Dissertação Modelagem hidrológica e hidrodinâmica ...
124
UNIVERSIDADE FEDERAL DE PELOTAS Centro de Desenvolvimento Tecnológico Programa de Pós-Graduação em Recursos Hídricos Dissertação Modelagem hidrológica e hidrodinâmica integrada da bacia hidrográfica Mirim- São Gonçalo com influência do vento Thais Magalhães Possa Pelotas, 2019
Transcript of Dissertação Modelagem hidrológica e hidrodinâmica ...
UNIVERSIDADE FEDERAL DE PELOTAS
Centro de Desenvolvimento Tecnológico
Programa de Pós-Graduação em Recursos Hídricos
Dissertação
Modelagem hidrológica e hidrodinâmica integrada da bacia hidrográfica Mirim-
São Gonçalo com influência do vento
Thais Magalhães Possa
Pelotas, 2019
Thais Magalhães Possa
Modelagem hidrológica e hidrodinâmica integrada da bacia hidrográfica Mirim-São Gonçalo com influência do vento
Dissertação apresentada ao Programa de Pós-Graduação em Recursos Hídricos da Universidade Federal de Pelotas, como requisito parcial à obtenção do título em Mestre em Recursos Hídricos.
Orientador: Prof. Dr. Gilberto Loguercio Collares - UFPEL Co-orientadora: Prof. Drª. Viviane Santos Silva Terra - UFPEL
Pelotas, 2019
Thais Magalhães Possa
Modelagem hidrológica e hidrodinâmica integrada da bacia hidrográfica Mirim-São Gonçalo com influência do vento
Dissertação aprovada, como requisito parcial, para obtenção do grau de Mestre em Recursos Hídricos, Programa de Pós-Graduação em Recursos Hídricos, Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas. Data da Defesa: 19/02/2019 Banca examinadora: .......................................................................................................................................Prof. Dr. Gilberto Loguercio Collares (Orientador) Doutor em Ciência do Solo pela Universidade Federal de Santa Maria ........................................................................................................................................Prof. Dr. Walter Collischonn Doutor em Recursos Hídricos e Saneamento Ambiental pela Universidade Federal do Rio Grande do Sul ........................................................................................................................................ Prof. Dr. Fernando Mainardi Fan Doutor em Recursos Hídricos e Saneamento Ambiental pela Universidade Federal do Rio Grande do Sul ........................................................................................................................................ Prof. Dr. Hugo Alexandre Soares Guedes Doutor em Engenharia Agrícola pela Universidade Federal de Viçosa
Agradecimentos
Aos meus pais Antônio e Tania por estarem sempre do meu lado. Vocês são a
minha base. Quero agradecer por tudo que já fizeram, e dizer quanto são especiais
para mim. Ao meu irmão Marco e a minha cunhada Ana, pelos conselhos e por serem
a minha inspiração.
Ao meu orientador Gilberto Loguercio Collares e co-orientadora Viviane Santos
Silva Terra pela amizade, orientação e pelo conhecimento compartilhado. Gostaria de
agradecer por ter me apresentado a modelagem e sugerido um tema tão importante.
Ao pessoal do grupo de Hidrometria e Hidrossedimentologia, em especial, o
técnico em hidrologia Reginaldo Galski Bonczynski, Guilherme K. Bartels, George M.
Gonçalves, pela amizade e ajuda ao longo deste trabalho.
Às amigas que fiz no mestrado e estiveram comigo durante todo este tempo,
Jéssica e Nelva, pela alegria e pelos abraços acolhedores.
Às minhas queridas amigas Kauana e Daniela, pelo carinho e companheirismo
em todos os momentos.
Ao Prof. Dr. Fernando Fan por ter dado contribuições importantes. Além de me
fornecer dados essenciais para o desenvolvimento deste trabalho, mostrando estar
sempre disposto a ajudar.
Ao meu namorado Pedro Jardim, pela amizade, carinho e compressão neste
último ano. Por me incentivar a buscar o melhor e não desistir mesmo nos maus
momentos.
E por fim, ao Programa de Pós-Graduação em Recursos Hídricos da
Universidade Federal de Pelotas pela acolhida e à Universidade Federal de Pelotas
pelo ensino, desde a graduação em Engenharia Ambiental e Sanitária.
A todos, aqui citados ou não, que contribuíram de alguma forma, direta ou
indiretamente, para realização deste trabalho.
.
Resumo
POSSA, Thais Magalhães. Modelagem hidrológica e hidrodinâmica integrada da bacia hidrográfica Mirim-São Gonçalo com influência do vento. 2019. 123f. Dissertação (Mestrado em Recursos Hídricos) - Programa de Pós-Graduação em Recursos Hídricos, Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas, Pelotas, 2019. A bacia hidrográfica Mirim-São Gonçalo possui grande importância ambiental, econômica e social, na qual estão inseridos 21 municípios brasileiros, com área aproximada de 25.736 km2, e 5 departamentos uruguaios com área de 30.523 km2. Sua importância se deve em parte ao fornecimento de água para o cultivo do arroz irrigado, abastecimento humano e dessedentação animal. A modelagem hidrológica-hidrodinâmica de bacias, rios e grandes sistemas lagunares busca representar os processos hidrológicos que ocorrem na bacia hidrográfica. Tais processos, transformam a água proveniente da precipitação em vazão, considerando a sua interação com os diversos processos do ciclo hidrológico. Quando o interesse é a simulação de níveis d’água e áreas alagadas, por exemplo, o uso de apenas um modelo hidrológico-hidráulico é uma boa opção por ser um processo que dispende bastante tempo e recursos. O vento é um dos elementos climáticos dominantes de circulação de água na bacia Mirim-São Gonçalo, e também interfere nos níveis de água observados. O presente estudo utilizou o modelo MGB-IPH para simulação hidrológica da bacia Mirim-São Gonçalo e dos rios que afluem para a Lagoa Mirim, sendo avaliado com a inclusão da influência do vento na modelagem. Tal procedimento foi realizado através da inserção do coeficiente de atrito do vento no algoritmo inercial de propagação de vazões, presente no modelo. Foram realizados diferentes testes com a intenção de encontrar a melhor representação dos processos envolvidos e dos níveis observados. Os resultados mostraram que, com a inclusão de conexões laterais entre unidades de simulação da Lagoa Mirim, houve transferência de água entre elas, diminuindo a vazão na foz da bacia Mirim-São Gonçalo e melhorando a simulação dos níveis d’água. Nos testes realizados em relação à condição de jusante, constatou-se que a utilização dos níveis observados na estação linimétrica da barragem-eclusa, localizada no canal São Gonçalo, possibilitou melhorar os níveis simulados nas estações do próprio canal, como também no restante da Lagoa, demonstrando a influência da Laguna dos Patos sobre os níveis da Lagoa Mirim. Por fim, verificou-se que a inclusão da influência do vento, com uso de informações de estações convencionais, aprimorou os resultados da modelagem em relação às cotas observadas nas estações linimétricas. Com o uso de informações horárias das estações automáticas os mesmos resultados não foram observados. Assim, o modelo MGB-IPH se mostrou capaz de simular, com sucesso, os níveis na bacia Mirim-São Gonçalo e demonstrou a importância da inclusão do vento para a modelagem hidrológica quando pretende-se representar os processos hidrodinâmicos de grandes ambientes lacustres, como é o caso da região de estudo. Palavras-chave: Simulação hidrológica; MGB-IPH; vento; Lagoa Mirim
Abstract POSSA, Thais Magalhães. Hydrological and hydrodynamic modeling of the Mirim-São Gonçalo basin with influence of the wind. 2019. 123f. Dissertation (Master of Science in Water Resources) – Water Resources Graduate Program, Center for Technological Development, Federal University of Pelotas, Pelotas, 2019. The Mirim-São Gonçalo watershed has a great environmental, economic and social importance, in which are included 21 Brazilian cities, with an approximate area of 25,736 km2, and 5 Uruguayan departments with an area of 30,523 km2. Its importance is due in part to the provision of water for irrigated rice cultivation, human supply and animal watering. The hydrological-hydrodynamic modeling of basins, rivers and large water bodies seeks to represent the hydrological processes that occur in the watershed. These processes transform the water from the precipitation into the stream, considering its interaction with the various processes of the hydrological cycle. When wanted simulation in water levels and flooded areas, for example, the use of only a hydrological-hydraulic model is advised as a time-consuming and resource-intensive process. Wind is one of the dominant climatic elements of water circulation in the Mirim-São Gonçalo basin, and also interferes with observed water levels. The present study used the MGB-IPH model for hydrological simulation of the Mirim-São Gonçalo basin and the rivers that flow to the Mirim Lagoon, evaluating with the inclusion of the influence of the wind in the modeling. This procedure was performed through the insertion of the coefficient of friction of the wind in the inertial flow propagation algorithm, present in the model. Different tests were carried out with the intention of finding the best representation of the processes involved and of the observed levels. The results showed that, with the inclusion of lateral connections between Mirim Lagoon simulation units, there was water transfer between them, reducing the flow in the mouth of the Mirim-São Gonçalo basin and improving the simulation of water levels. In the tests carried out in relation to the downstream condition, it was verified that the utilization of the levels observed in the linimetric station of the dam-sluice, located in the São Gonçalo channel, allowed to improve the simulated levels in the stations of the channel itself, as well as in the rest of the Lagoa, demonstrating the influence of the Patos Lagoon on the Mirim Lagoon levels. Finally, it was verified that the inclusion of the influence of the wind, using information from conventional stations, improved the results of the modeling in relation to the dimensions observed in the linimetric stations. With the use of hourly information from the automatic stations same results were not observed. Thus, the MGB-IPH model was able to successfully simulate the levels in the Mirim-São Gonçalo basin and demonstrated the importance of wind inclusion for hydrological modeling in order to represent the hydrodynamic processes of large lacustrine environments, such as is the case of the study region. Key-words: hydrological simulation; MGB-IPH; wind; Lagoa Mirim
Lista de Figuras
Figura 1 Comportas e canal de eclusagem da barragem-eclusa do canal São Gonçalo........................................................................................................ 20
Figura 2 Bacia discretizada em células ligadas entre si por canais de drenagem..... 29 Figura 3 Formas de discretização da bacia hidrográfica (a) dentro de um modelo
hidrológico: (b) grade regular; (c) quad-tree; (d) minibacias (método das confluências)................................................................................................ 30
Figura 4 Esquema do balanço de água no solo do modelo MGB-IPH para uma Unidade de Resposta Hidrológica................................................................ 32
Figura 5 Esquema de discretização das minibacias de comprimento Δx e das variáveis de vazão (Q e QM), profundidade (h) e nível (z) do modelo Inercial implementado no modelo hidrológico MGB-IPH.............................. 36
Figura 6 Discretização da rede de drenagem em minibacias com definição da vazão (Q e Qviz).......................................................................................... 38
Figura 7 Fluxograma das fases do estudo................................................................. 41 Figura 8 Localização da área de estudo, bacia hidrográfica Mirim-São Gonçalo...... 42 Figura 9 Fluxograma da fase inicial do trabalho......................................................... 43 Figura 10 Batimetria interpolada da Lagoa Mirim......................................................... 46 Figura 11 Unidades de Resposta Hidrológica.............................................................. 47 Figura 12 Localização das 91 estações pluviométricas na bacia Mirim-São
Gonçalo........................................................................................................ 48 Figura 13 Localização das 8 estações fluviométricas na bacia Mirim-São
Gonçalo........................................................................................................ 48 Figura 14 Postos fluviométricos com dados de nível................................................... 50 Figura 15 Modelo digital de elevação e rede de drenagem
recondicionada......................... 51 Figura 16 Bacia Mirim-São Gonçalo com a rede de drenagem gerada no processo
de discretização........................................................................................... 52 Figura 17 Discretização da bacia Mirim-São Gonçalo em sub-bacias......................... 53 Figura 18 Discretização da bacia Mirim-São Gonçalo em minibacias......................... 54 Figura 19 Localização das estações meteorológicas convencionais........................... 60 Figura 20 Quantidade de medições diárias disponíveis para os postos de Pelotas,
Rio Grande e Santa Vitória do Palmar no período entre 1990 a 2015............................................................................................................. 61
Figura 21 Localização dos postos meteorológicos automáticos mais próximos à Lagoa Mirim.................................................................................................. 62
Figura 22 Disponibilidade de dados por estação por dia............................................. 62 Figura 23 Valores do coeficiente de Nash-Sutcliffe (NS) do logaritmo das vazões..... 66 Figura 24 Valores do erro do volume (%)..................................................................... 67 Figura 25 Hidrogramas observados e simulados nos rios Olimar Grande e Cebollatí
da bacia Mirim-São Gonçalo no período com dados entre 1990 e 2015............................................................................................................. 69
Figura 26 Hidrogramas observados e simulados nos rios Tacuarí e Arroyo India Muerta da bacia Mirim-São Gonçalo no período com dados entre 1990 e 2015............................................................................................................. 69
Figura 27 Hidrogramas observados e simulados nos rios Jaguarão e Piratini da bacia Mirim-São Gonçalo no período com dados entre 1990 e 2015.......... 70
Figura 28 Cotagramas de níveis observados na estação Picada da Areia e anomalias simuladas na minibacia onde se localiza.................................... 73
Figura 29 Cotagramas de níveis observados na estação de Cerro Chato e anomalias simuladas na minibacia onde se localiza.................................... 73
Figura 30 Cotagramas de níveis observados na estação de Pedro Osório e anomalias simuladas onde se localiza......................................................... 74
Figura 31 Cotagramas de níveis observados na estação de Passo dos Carros e anomalias simuladas na minibacia onde se localiza.................................... 74
Figura 32 Cotagramas de níveis observados na estação de Santa Isabel e anomalias simuladas na minibacia onde se localiza.................................... 75
Figura 33 Cotagramas de níveis observados na estação de Santa Vitória do Palmar e anomalias simuladas na minibacia onde se localiza................................. 75
Figura 34 Cotagramas de níveis observados na estação do Porto de Pelotas e anomalias simuladas na minibacia onde se localiza.................................... 76
Figura 35 Cotagramas de níveis observados na estação à montante da barragem-eclusa do canal São Gonçalo e anomalias simuladas na minibacia onde se localiza..................................................................................................... 76
Figura 36 Cotagramas de níveis observados na estação à jusante da barragem-eclusa do canal São Gonçalo e anomalias simuladas na minibacia onde se localiza..................................................................................................... 77
Figura 37 Vazão simulada na condição de declividade constante de 0,005 m.km-1 (em azul) e com a conexão lateral de 100 (em vermelho) sem a introdução do vento......................................................................................
80
Figura 38 Área alagada no canal São Gonçalo em um dia de seca (imagem à esquerda) e um de cheia (imagem à direita)................................................ 81
Figura 39 Comparação área alagada na condição de declividade constante de 0,005 m.km-1 (dia de cheia na imagem à esquerda) e dia de seca (imagem à direita) na Lagoa Mirim e seus afluentes................................... 82
Figura 40 Comparação área alagada simulada na condição de jusante da barragem-eclusa (dia de cheia na imagem à esquerda) e dia de seca (imagem à direita) na Lagoa Mirim e seus afluentes................................... 82
Figura 41 Comparação área alagada simulada na condição de declividade constante de 20m (dia de cheia na imagem à esquerda) e dia de seca (imagem à direita) na Lagoa Mirim e seus afluentes................................... 83
Figura 42 Mapa da máxima área inundada registrado pelo GSW (a); Máximas áreas inundadas calculadas pelo MGB-IPH sobrepostas (b) (convencional e HAND).......................................................................................................... 84
Figura 43 Mapa da mínima área inundada registrado pelo GSW (a); Mínimas áreas inundadas calculadas pelo MGB-IPH sobrepostas(b) (convencional e HAND).......................................................................................................... 85
Figura 44 Vazão simulada com a condição de jusante da barragem-eclusa (em vermelho) e sem condição de jusante (em azul).......................................... 87
Figura 45 Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa jusante.................................. 89
Figura 46 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa jusante.......................................................................................................... 90
Figura 47 Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa montante............................... 90
Figura 48 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do
efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa montante....................................................................................................... 91
Figura 49 Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto do Porto de Pelotas................................................ 91
Figura 50 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto do Porto de Pelotas.................... 92
Figura 51 Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD
igual a 2x10-6, no posto de Santa Isabel...................................................... 92 Figura 52 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do
efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Isabel.......................... 93
Figura 53 Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar.................................... 93
Figura 54 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar........ 94
Figura 55 Vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento sub-diário (em vermelho)............................... 95
Figura 56 Zoom sobre a vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento sub-diário (em vermelho).... 95
Figura 57 Vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento horário (em vermelho).................................... 98
Figura 58 Zoom das vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento horário (em vermelho).................... 98
Figura 59 Cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa jusante.............................................................................. 99
Figura 60 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-
6, no posto da barragem-eclusa jusante.............................................. 99 Figura 61 Cotagramas das anomalias simuladas com a inclusão do efeito do vento
horário e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa montante.......................................................................... 100
Figura 62 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-
6, no posto da barragem-eclusa montante........................................... 100 Figura 63 Cotagramas das anomalias simuladas com a inclusão do efeito do vento
horário e níveis observados, considerando CD igual a 2x10-6, no posto do Porto de Pelotas........................................................................................... 101
Figura 64 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-
6, no posto do Porto de Pelotas........................................................... 101
Figura 65 Cotagramas das anomalias simuladas com a inclusão do efeito do vento
horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Isabel................................................................................ 102
Figura 66 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Isabel............................................................... 102
Figura 67 Cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar.............................................................. 103
Figura 68 Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar.............................................
103
Figura 69 NS, NSlog e RMSE para a estação linimétrica da barragem-eclusa montante nas diferentes simulações realizadas........................................ 105
Figura 70 NS, NSlog e RMSE para a estação linimétrica da barragem-eclusa jusante nas diferentes simulações realizadas........................................... 105
Figura 71 NS, NSlog e RMSE para a estação linimétrica de Santa Isabel nas diferentes simulações realizadas............................................................... 106
Figura 72 NS, NSlog e RMSE para a estação linimétrica de Porto de Pelotas nas diferentes simulações realizadas............................................................... 106
Figura 73 NS, NSlog e RMSE para a estação linimétrica de Santa Vitória do Palmar nas diferentes simulações realizadas............................................ 107
Lista de Tabelas
Tabela 1 Identificação das estações de nível................................................. 49
Tabela 2 Informações das estações utilizadas para obtenção das relações geomorfológicas.............................................................................. 55
Tabela 3 Análise geral dos estações convencionais utilizadas.......................................................................................... 61
Tabela 4 Postos fluviométricos e suas métricas de desempenho para o período de calibração...................................................................... 65
Tabela 5 Métricas de desempenho da comparação entre as anomalias dos níveis simulados e observados nos postos meteorológicos................................................................................ 71
Tabela 6 Nash-Sutcliffe para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.................................................................. 78
Tabela 7 NSlog para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.................................................................................... 78
Tabela 8 Erro do volume para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.................................................................. 78
Tabela 9 RMSE para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.................................................................................... 79
Tabela 10 Médias das métricas de desempenho para as simulações com e sem conexões laterais. Melhores resultados em verde.......................................................................................... 79
Tabela 11 Métricas de desempenho das anomalias dos níveis com a condição de jusante da barragem-eclusa do canal São Gonçalo........................................................................................... 83
Tabela 12 Áreas totais da máxima área inundada e porcentagens de sobreposição em relação ao GSW.................................................. 85
Tabela 13 Áreas totais da mínima área inundada e porcentagens de sobreposição em relação ao GSW.................................................. 86
Tabela 14 Coeficiente de Nash-Sutcliffe das anomalias dos níveis sub-diários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.......................................... 88
Tabela 15 Coeficiente de Nash-Sutcliffe do logaritmo das anomalias dos níveis sub-diários (NSlog) para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.......................................................................................... 88
Tabela 16 Erro de volume (ΔV) das anomalias dos níveis sub-diários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde............................................................... 88
Tabela 17 Raiz da média dos erros quadráticos (RMSE) das anomalias dos níveis sub-diários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde......................... 88
Tabela 18 Coeficiente de Nash-Sutcliffe para diferentes valores de CD. Melhores resultados de cada estação destacados em verde......... 97
Tabela 19 Coeficiente de Nash-Sutcliffe do logaritmo das anomalias dos níveis horários (NSlog) para diferentes valores de CD. Melhores resultados de cada estação destacados em verde................................................................................................ 97
Tabela 20 Erro de volume (ΔV) das anomalias dos níveis horários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde...................................................................... 97
Tabela 21 Raiz da média dos erros quadráticos (RMSE) das anomalias dos níveis horários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde......................... 97
Sumário
1 Introdução ...................................................................................................... 14
2 Objetivos ......................................................................................................... 17
2.1Objetivo geral.................................................................................................17
2.2 Objetivos específicos.....................................................................................17
2.3 Hipótese.........................................................................................................17
3 Revisão de Literatura..................................................................................... 18
3.1 Bacia hidrográfica Mirim-São Gonçalo .......................................................... 18
3.2 Hidrodinâmica do complexo lagunar Patos-Mirim ......................................... 20
3.3 Vento ............................................................................................................. 21
3.4 Modelagem hidrológica computacional ......................................................... 23
3.5 Modelo hidrológico de grandes bacias (MGB-IPH) ....................................... 28
3.6 Método inercial de propagação de vazões .................................................... 33
3.7 Introdução do vento no método inercial ........................................................ 39
4 Metodologia .................................................................................................. 41
4.1 Descrição e caracterização do ambiente de estudo ..................................... 42
4.2 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH sem a inclusão da influência do vento ................................................................ 43
4.2.1 Preparação do modelo ............................................................................... 44
4.2.1.1 Modelo digital de elevação ...................................................................... 44
4.2.1.2 Batimetria ................................................................................................ 45
4.2.1.3 Uso e tipo do solo ................................................................................... 46
4.2.1.4 Dados hidro-climáticos ............................................................................ 47
4.2.1.5 Discretização da bacia hidrográfica Mirim-São Gonçalo ......................... 50
4.2.1.6 Relações Geomorfológicas ..................................................................... 54
4.3 Calibração do modelo ................................................................................... 56
4.4 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB - IPH com as conexões laterais ........................................................................................... 57
4.4.1 Análise de sensibilidade à largura das conexões laterais .......................... 58
4.5 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH com as condições de contorno ................................................................................... 58
4.6 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH com a inclusão da influência do vento ........................................................................... 59
4.6.1 Dados de direção e velocidade do vento ................................................... 60
4.6.1.1 Estações convencionais .......................................................................... 60
4.6.1.2 Estações automáticas ............................................................................. 61
4.6.2 Processamento dos dados de vento .......................................................... 63
4.6.3 Testes de sensibilidade do modelo MGB-IPH com influência do vento ..... 63
5 Resultados e discussão ................................................................................ 65
5.1 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH sem a inclusão da influência do vento ........................................................................... 65
5.1.1 Métricas de desempenho das vazões simuladas ....................................... 65
5.1.2 Hidrogramas calibrados ............................................................................. 67
5.1.3 Período de Calibração: Níveis d’água simulados e observados ................ 71
5.1.3.1 Métricas de desempenho ........................................................................ 71
5.1.3.2 Cotagramas ............................................................................................ 72
5.2 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB- IPH com as conexões laterais ........................................................................................... 77
5.2.1 Análise de sensibilidade à largura das conexões laterais .......................... 77
5.3 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB - IPH com as condições de contorno ................................................................................... 80
5.4 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB - IPH com a inclusão da influência do vento ........................................................................ 87
5.4.1 Modelo com inclusão do vento e dados sub-diários .................................. 87
5.4.2 Modelo com inclusão do vento e dados horários disponíveis em estações automáticas ......................................................................................................... 96
6 Considerações Finais e Conclusão ............................................................ 108
7 Recomendações............................................................................................110
Referências.......................................................................................................111
1 Introdução
Nos últimos anos, os impactos das alterações climáticas e as ações
inconscientes praticadas pelo ser humano sobre os recursos naturais têm
intensificado as alterações nos fluxos de matéria e energia. Esses impactos causam
efeitos nas características físicas de ecossistemas aquáticos como lagos e
reservatórios, bem como nos níveis, qualidade da água e nos regimes de
estratificação e mistura (NICKUS et al., 2010).
Em relação aos ecossistemas aquáticos, em um sistema com lagos e
reservatórios é importante entender a origem das águas e os processos
hidrodinâmicos que refletem as forçantes atuantes nos ecossistemas, como
fitoplânctons, heterogeneidade espacial, transporte de sedimentos e correntes de
densidade (CURTARELLI et al., 2015; PINARDI et al., 2015).
A comunidade científica vem desenvolvendo modelos hidrológicos e
hidrodinâmicos para grandes bacias (COLLISCHONN et al., 2007; COSTI et al., 2018;
FAN et al., 2014) com uma infinidade de aplicações voltadas para sistemas de
previsão hidrológica (FAN et al., 2014; SAMBONÍ, 2017), mapeamento de áreas de
risco de inundação (TRIGG et al., 2016), prognóstico de impactos de mudanças
climáticas em recursos hídricos (SORRIBAS et al., 2016) ou até funcionando como
ferramenta de gestão para estudar os processos hidrológicos envolvidos em uma
bacia hidrográfica (MARINHO FILHO et al., 2012) como a evapotranspiração, o
armazenamento de água no solo e os escoamentos nos rios e planícies alagáveis
(PAIVA et al., 2013).
Embora exista a possibilidade de um acoplamento externo entre modelos
hidrológicos-hidráulicos e modelos hidrodinâmicos de duas ou três dimensões para
avaliar simultaneamente bacias, rios e grandes corpos lagunares, essa é uma
abordagem custosa e exige um tempo maior de processamento para simular os níveis
e áreas alagadas (LOPES, 2017).
De maneira geral, os modelos hidrológicos utilizam abordagens em que os
processos hidrológicos que ocorrem na bacia são modelados separadamente do lago.
Apesar disso, os estudos de modelagem ainda são considerados uma ferramenta
adequada para o estudo da hidrodinâmica e/ou da dinâmica de ambientes lacustres
(FERNANDES; DYER; NIENCHESKI, 2001; FERNANDES et al., 2002; LI et al., 2017;
LOPES, 2017).
15
Para propagar vazões em modelos matemáticos existem diferentes formas
como, as equações de Saint-Venant, desprezando apenas o termo que representa a
inércia advectiva. Esse tipo de simplificação é denominado na literatura como “modelo
inercial” (BATES et al., 2010, NEAL; SCHUMANN, BATES, 2012).
Fan et al. (2014) avaliaram a formulação do modelo inercial para a
representação do escoamento unidimensional em diferentes testes hipotéticos de
declividade de rio e efeitos de jusante, como remanso e maré. Já Pontes et al. (2017)
incorporaram a troca lateral entre as minibacias utilizadas no modelo, o que permitiu
aprimorar a simulação de ambientes com planícies de inundação e Lopes et al. (2018)
aprimoraram esta versão através da incorporação do vento para simular toda a bacia
hidrográfica da Laguna dos Patos, mas sem aplicar o vento ao complexo lagunar
Mirim-São Gonçalo.
A Lagoa Mirim e os corpos d‘água ao seu entorno compõem uma das principais
bacias hidrográficas transfronteiriças da América do Sul, a bacia Mirim-São Gonçalo.
Esta possui um importante valor ambiental e econômico para o Estado do Rio Grande
do Sul e para o Uruguai (OLIVEIRA et al., 2014). O canal São Gonçalo conecta a
Lagoa Mirim com a Laguna dos Patos e mantém uma ligação indireta com o oceano
Atlântico (HARTMANN et al., 1986).
Seu regime hidrológico inverte periodicamente o sentido do fluxo de
escoamento (HARTMANN; HARKOT, 1998) em função das oscilações de níveis da
Laguna dos Patos e da Lagoa Mirim, das condições de escoamento do principal
contribuinte, o rio Piratini, da ação dos ventos e do regime pluvial (HARTMANN;
HARKOT, 1990).
Fenômenos atmosféricos como as frentes frias e os fortes ventos sudoeste-sul,
movimentam a água do sistema, conduzindo para a região norte da Lagoa Mirim e
dos Patos (MÖLLER JR et al., 2001). Esse fenômeno quando se manifesta, aumenta
a vazão da bacia hidrográfica da Lagoa Mirim e ao mesmo tempo, impulsiona as águas
da plataforma contra a costa, força a entrada da água do mar para o estuário e
equilibra o gradiente de pressão (HIRATA; MÖLLER JR; MATA, 2010). Estes fatores
e particularidades agregam complexidade à simulação hidrológica deste sistema
lagunar.
16
A região em que está localizada a bacia possui um regime de chuvas bem
distribuído ao longo do ano, apesar de possuir baixos índices de umidade no solo em
períodos de seca devido aos elevados níveis de evapotranspiração, na primavera e
verão. Nessas condições, se faz necessário irrigação para manter níveis adequados
de produção e produtividade agrícola. Por outro lado, a ocorrência de chuvas intensas
e concentradas ao longo de um mesmo dia, também no período da primavera e verão,
exige cuidados especiais na manutenção dos cultivos. Essas precipitações causam
encharcamento dos solos em áreas mal drenadas e sérios prejuízos devido aos
alagamentos e inundações.
Já no lado uruguaio da bacia Mirim-São Gonçalo, que abrange a Zona Leste
do Uruguai, a bacia compreende aproximadamente 20% do território do país, sendo
esta região menos desenvolvida em relação à pecuária extensiva e produção agrícola
(arroz). Assim, devido à sua extensão, essa área apresenta grande importância
estratégica para o desenvolvimento econômico e rural do Uruguai. Dessa maneira, a
bacia apresenta forte relevância para ambos os países em razão da disponibilidade
hídrica que potencializa a produção agropecuária bem como para o abastecimento de
conglomerados urbanos.
O estudo das variações de níveis e vazões que ocorrem no sistema lagunar e
no canal São Gonçalo, ligação natural da Lagoa Mirim à Laguna dos Patos, é
essencial para compreender a hidrodinâmica de um sistema complexo como este,
bem como as interações entre os diferentes ambientes desse sistema. Esta interação
é influenciada diretamente pela ação do vento nesse sistema, tanto na abrangência
da Lagoa Mirim como na Laguna dos Patos.
Desta forma, esse trabalho propõe a avaliação do modelo hidrológico-hidráulico
MGB-IPH para simular vazões, níveis d’água e os remansos na região da bacia
hidrográfica Mirim-São Gonçalo com a introdução da influência do vento, utilizando o
método inercial local apresentado por Pontes et al. (2017) e Lopes et al. (2018).
2 Objetivos
2.1 Objetivo geral
Estudar a modelagem integrada de grandes bacias e corpos lagunares sobre a
influência do vento na bacia hidrográfica Mirim-São Gonçalo.
2.2 Objetivos específicos
Realizar a modelagem da bacia hidrográfica Mirim-São Gonçalo empregando
o modelo MGB-IPH;
Agregar gradualmente complexidade ao modelo em busca de uma melhoria na
representação de um sistema bacia-lagoa;
Avaliar os efeitos destas melhorias sobre as vazões e níveis d’água simulados
em relação aos observados;
Avaliar a interação da Lagoa Mirim sobre a Laguna dos Patos.
2.3 Hipótese
A utilização de um modelo hidrológico-hidráulico de grande escala pode
representar os níveis d’água e áreas alagadas de uma bacia hidrográfica, até
mesmo seus lagos, lagunas e estuário, desde que o modelo considere a
variabilidade espacial de seus parâmetros;
O método inercial de propagação de vazões produz um esquema analítico
estável e sua aplicação pode ser suficiente para avaliar a influência do vento
nos níveis d’água simulados;
O emprego da influência do vento pode melhorar a representação dos níveis
d’água.
3 Revisão de Literatura
Nos itens a seguir serão abordados conceitos e conteúdos científicos que
apontam relevância e estão correlacionados ao presente estudo. Primeiramente se
descreve a área de estudo e sua importância para a região na qual está inserida, bem
como são apresentados conceitos relacionados a hidrodinâmica e influência do vento
em um sistema bacia-lagoa como este.
A seguir, é feita uma breve revisão sobre modelagem hidrológica
computacional através da apresentação de modelos hidrológicos existentes,
conceitos e métodos empregados. Em seguida, são exemplificadas abordagens de
representação de sistemas complexos como é o caso de ambientes de baixa
declividade e com planície de inundação, com ênfase no modelo MGB-IPH com o
método de propagação inercial de vazão, o qual será utilizado na presente pesquisa.
Por fim, é apresentado o equacionamento para a inserção da influência do
vento no modelo inercial.
3.1 Bacia hidrográfica Mirim-São Gonçalo
A água é um dos recursos naturais que detém dos mais variados e correntes
usos, sendo utilizada principalmente para irrigação, abastecimento público, fins
industriais, geração de energia elétrica, dessedentação animal, diluição de dejetos e
preservação da fauna e flora (TUCCI, 2009).
O Brasil possui a maior reserva de água doce do mundo. A região Amazônia,
por exemplo, ocupa 45% do território nacional e apresenta uma rede hidrográfica
formada por rios extensos e com grande abundância de água, com 81% em relação à
disponibilidade de águas superficiais do país (ANA, 2017).
A Política Nacional de Recursos Hídricos (PNRH), instituída pela lei nº 9.433,
de 8 de janeiro de 1997, define à Bacia Hidrográfica como sendo a unidade geográfica
para implementação da norma e do sistema nacional de gerenciamento de recursos
hídricos (JORGE et al., 2015).
A bacia hidrográfica é a principal unidade de estudo para avaliar os
componentes do ciclo hidrológico. Definida como uma área de captação natural da
água da chuva, o sistema de drenagem de uma bacia é constituído pelo rio principal e
19
seus tributários, que faz convergir o escoamento para um único ponto de saída, seu
exutório (TUCCI, 2009).
O principal corpo de água da bacia hidrográfica Mirim-São Gonçalo é a Lagoa
Mirim, que possui uma área de aproximadamente 4.000km2, um comprimento
aproximado de 190km ao longo do eixo maior, na sua porção mais larga uma extensão
média de 40km e na porção mais estreita extensões médias de 20km. A profundidade
média da Lagoa Mirim é de 4,5m e a máxima chega até 15m. O volume do lago pode
atingir 17km3 e varia conforme a vazão e as condições hidrológicas (VIEIRA;
RANGEL, 1988).
A Lagoa Mirim é um dos principais corpos hídricos do sistema lagunar
meridional da América do Sul, apresentando um regime de águas compartilhado entre
o Brasil e o Uruguai com uma infinidade de afluentes. Suas águas escoam através do
canal São Gonçalo, em direção à Laguna dos Patos, e depois são lançadas no
Oceano Atlântico, pelo canal de Rio Grande.
A lagoa detém grande importância em relação a vários aspectos ecológicos
ligados a ambientes úmidos, destacando-se, nesse sentido, o Banhado do Taim, onde
está situada a Estação Ecológica do Taim, entre a Lagoa Mirim e a Lagoa Mangueira
(KOTZIAN; MARQUES, 2004).
A Lagoa Mirim é conectada à Laguna dos Patos através do canal São Gonçalo,
que está situado no sudeste do estado do Rio Grande do Sul e mantém ligação indireta
com o oceano Atlântico. O canal possui aproximadamente 76km de comprimento,
largura média de 240m e profundidade em torno de 6m (HARTMANN et al., 1986).
O canal São Gonçalo possui um regime hidrológico que inverte periodicamente
o sentido do fluxo de escoamento (HARTMANN; HARKOT, 1998) em função de o
relevo ser predominantemente plano, o que influencia à ação dos ventos e dos níveis
d’água entre a Laguna dos Patos e a Lagoa Mirim (HARTMANN et al., 1986).
Antes de 1977, em situações de estiagem, com a inversão do fluxo do canal
São Gonçalo, o escoamento se observava no sentido da Laguna Patos para a Lagoa
Mirim e, como consequência a entrada de água salobra na Lagoa Mirim.
Para controlar o nível d’água, bem como evitar a intrusão de água salina em
significativa porção do canal São Gonçalo e Lagoa Mirim, foi construída uma barragem
e eclusa na extremidade nordeste do canal São Gonçalo, a uma distância de
aproximadamente 8km do porto de Pelotas, disposta transversalmente ao canal
20
(Figura 1), com 245m de comprimento, construída por paredes de diafragma e
estrutura de concreto armado. Essa estrutura contém portões basculantes e
comportas by-pass em ambas as margens, a fim de regular os níveis d’água dentro
da eclusa e assegurar a qualidade da água tanto para abastecimento público quanto
para irrigação (GOUVÊA; ZARNOT; ALBA, 2010).
Figura 1 – Comportas e canal de eclusagem da barragem-eclusa do canal São Gonçalo.
3.2 Hidrodinâmica do complexo lagunar Patos-Mirim
Os termos lagoa e lago são normalmente atribuídos ao mesmo significado
porém, conforme Phleger (1969), as lagoas costeiras são classificadas de acordo com
a geomorfologia, as formações das barreiras e o grau de enclausuramento em relação
ao mar. A classificação entre as lagoas costeiras com base em aspectos
geomorfológicos e hidrológicos foi feita por Kjerfve (1986), o qual considera as taxas
e intensidades das trocas de água com o oceano como condicionante a serem
definidas como lagoas estranguladas, restritas ou abertas.
A bacia hidrográfica Mirim-São Gonçalo apresenta uma lagoa estrangulada.
Este tipo de lagoa apresenta elevadas trocas de água e são fortemente influenciadas
pelo vento e pela descarga fluvial, sendo a maré o forçante menos significativo
na circulação estuarina (KJERFVE, 1986; MÖLLER; STECH; MATA, 1996). Em geral,
suas águas escoam do canal São Gonçalo em direção à Laguna dos Patos, onde o
deságue no Oceano Atlântico ocorre através do canal de Rio Grande (KOTZIAN;
MARQUES, 2004).
21
A precipitação sobre a bacia conduz a níveis d’água oscilando entre 2m e 3m,
que por sua vez, provocam alagamentos nas planícies aluviais, chegando a um
volume de 17x109m3 na Lagoa Mirim, que se altera conforme a vazão do canal São
Gonçalo e as condições hidrológicas do local (VIEIRA; RANGEL, 1988).
Os alagamentos em áreas mais baixas do canal São Gonçalo são mais
propícios nos meses chuvosos (janeiro, fevereiro e julho). Esse período apresenta
uma precipitação média anual de 1.366mm, causando o aumento do escoamento
superficial e consequentemente, as cheias e inundações (SIMON; SILVA, 2015).
Entre os fatores que influenciam na vazão do São Gonçalo, se destacam o nível
d’água na Laguna dos Patos, a condição de escoamento no principal contribuinte, o
Rio Piratini, o nível d’água do canal na sua foz, as condições impostas na barragem-
eclusa, além do vento, sendo este o que mais influência (HARTMANN; HARKOT,
1990).
Marques e Möller Jr (2008) procuraram relacionar a vazão e o nível da Laguna
dos Patos com o fenômeno El Niño Oscilação Sul (ENOS). Os autores verificaram um
aumento destas variáveis em anos de existência do fenômeno El Niño e uma
diminuição com a ocorrência do La Niña.
De acordo com Oliveira et al. (2014) os processos hidrodinâmicos na Lagoa
Mirim são modulados principalmente em função da descarga fluvial, o que permite
considerar os efeitos do vento. Estes fenômenos provocam grandes variações de
nível ao longo do tempo, fazendo com que a Lagoa Mirim atue como um grande
reservatório de água doce.
3.3 Vento
O vento é definido como o ar em movimento constante causado por diferenças
na pressão atmosférica. Esta diferença faz com que o ar mais frio, se desloque do
centro de alta pressão ao ar mais quente envolvente do centro de baixa pressão. Uma
vez que este fenômeno acontece, as pressões e a velocidade de deslocamento do ar
se tornam grandezas diretamente proporcionais (PEREIRA et al., 2002).
A influência do vento na dinâmica de circulação da bacia hidrográfica Mirim-
São Gonçalo está relacionado às massas de ar que se deslocam fortemente na
direção sudoeste-sul e aos fenômenos atmosféricos como as frentes frias que
22
movimentam a água do sistema, conduzindo para a região norte da Lagoa Mirim e
Patos (MÖLLER JR et al., 2001).
O fenômeno quando se manifesta, aumenta a vazão da bacia hidrográfica da
Lagoa Mirim e, ao mesmo tempo, impulsiona as águas da plataforma contra a costa,
forçando a entrada da água do mar que equilibra o gradiente de pressão (HIRATA;
MÖLLER JR; MATA, 2010).
O controle da morfologia dos corpos hídricos costeiros (lagos e lagunas)
respondendo aos principais forçantes da circulação, ou seja, ao vento juntamente com
a descarga fluvial e as marés, se mostram significativos fatores que distinguem as
lagoas costeiras de rios e estuários (KJERFVE, 1994).
O vento induz diferenças no nível superficial da água em diferentes regiões de
lagos e lagoas. As variações de nível podem ocorrer por efeitos locais ou não. O efeito
local ocorre quando cessa a atuação do vento sobre a lagoa, provocando oscilações
de nível, também conhecidas como “seiches”. Os seiches podem ocasionar sérios
problemas à circulação eólica e ao transporte hídrico (FERNANDES, 2001). Já o efeito
não local atua na região costeira variando o nível d’água, por meio do transporte de
Ekman (MÖLLER JR et al., 2001).
Nas latitudes que cobrem a costa do estado do Rio Grande do Sul atuam o
Anticiclone do Atlântico Sul, predominante nos meses de verão e o Anticiclone Móvel
Polar atuante nos meses de inverno. Os anticiclones provocam mudanças periódicas
nas condições hidrometeorológicas (HARTMANN; SANO, 1986; TOMAZELLI, 1993),
ocasionando flutuações sobre as massas de água da Laguna dos Patos e,
consequentemente, mudanças diárias na sua circulação. Tais mudanças são
decorrentes do regime de chuvas da região e das variações climáticas.
O Anticiclone do Atlântico Sul é considerado um centro de alta pressão, semi-
fixo, localizado sobre o oceano Atlântico. Este fenômeno é caracterizado por dias
ensolarados com condições de estabilidade atmosférica. Já o Anticiclone Móvel Polar,
está situado ao sul da Argentina, e se dá devido às variações do comportamento das
massas frias que levam frio da Antártica, deslocando no sentido SW-NE até ao
território sul-brasileiro (NIMER, 1989).
O anticiclone atuante sobre o Oceano Atlântico resulta na predominância do
vento nordeste (NE) na região com velocidades médias de vento que se encontram
em 5 m.s-1 (MÖLLER JR,1996). Com a entrada das frentes frias há dominância do
23
vento sudoeste (SW), com uma velocidade média de 8 m.s-1 (STECH; LORENZETTI,
1992).
Na Lagoa Mirim o vento predominante é o Nordeste e, quando associado as
baixas profundidades em situações de baixa pluviosidade e alto consumo de água,
pode ocasionar um grande “empurrão” de suas massas de água na direção NE-SW.
Isso causa a geração de ondas e consequentemente aos empilhamentos dessas no
sentido inverso da direção do vento (DNIT, 2014).
A influência da ação dos ventos na hidrodinâmica das lagoas vem sendo
abordado em estudos de modelagem numérica. Por exemplo, desde os modelos
bidimensionais (2D) como o IPH-A (PAZ, 2003) até aos modelos tridimensionais (3D)
como o POM (CASTELÃO; MÖLLER JR, 2006) e IPH-ECO (FRAGOSO JR et al.,
2009). Xavier (2002) também com o objetivo de avaliar a circulação das águas da
Lagoa Mirim forçada pela ação dos ventos, aplicou o modelo numérico 3D SisBAHIA.
Esse modelo permitiu uma análise das trocas de águas e, ao mesmo tempo, estimar
o deságue do esgoto sanitário a margem próxima a cidade de Santa Vitória do Palmar.
Com isso, se torna importante considerar as condições do vento em modelos
hidrológicos-hidráulicos, de forma que visem a compreensão e representação dos
processos hidrodinâmicos presentes em um sistema complexo como a bacia
hidrográfica Mirim-São Gonçalo.
3.4 Modelagem hidrológica computacional
Os modelos hidrológicos são ferramentas que nos permitem representar o
funcionamento físico da natureza em uma bacia hidrográfica. Apesar dessa
representação simplificada, os modelos possuem limitações de uso e exigem uma
qualidade e quantidade especifica de dados hidrológicos (TUCCI, 2005).
A história da modelagem hidrológica varia desde o método racional
(MULVANY, 1850), muito utilizado nas últimas décadas em projetos de drenagem
urbana (LIMA, 2011), até os recentes modelos distribuídos que consideram as
características físicas da bacia (TODINI, 2007).
Em geral, os modelos desenvolvidos descreviam os processos de cada
componente do ciclo hidrológico, como a infiltração de água no solo por Horton na
24
década de 30, o hidrograma de escoamento superficial direto por Sherman e o
escoamento em rios pelo modelo de Saint-Venant (SINGH; FREVERT, 2002).
Estes modelos são classificados de acordo com as suas limitações que podem
ser decorrentes da dificuldade em formular matematicamente alguns processos e
representar a variabilidade espacial das variáveis (CLARK et al., 2007). Por causa
desta variabilidade espacial, muitos modelos hidrológicos têm sido acoplados com
ferramentas de sistemas de informações geográficas (SIGs), desde os mais simples
de bases conceituais até os modelos distribuídos de base física (VIANA et al., 2018).
Os modelos de base física possuem forte embasamento matemático. As
equações diferenciais e as formas simplificadas são algumas das ferramentas
matemáticas usadas na modelagem dos fenômenos (RENNÓ; SOARES, 2003).
Entretanto, esta abordagem pode gerar incertezas associadas à simulação hidrológica
e ao tempo de processamento (TODINI, 2007).
Na modelagem existem processos entendidos e representados considerando o
tipo de relações entre as variáveis (empíricos ou conceituais). Os modelos conceituais
exigem o mínimo de parâmetros matemáticos no ajuste dos dados simulados aos
observados (KHAKBAZ et al., 2012; TUCCI, 2005).
Por sua vez, modelos empíricos utilizam uma série de observações da variável
hidrológica a ser modelada, onde o ajuste dos dados simulados aos observados é
frequentemente realizado por funções que não têm nenhuma relação com
os processos físicos envolvidos (RENNÓ; SOARES, 2003).
Já os modelos hidrológicos classificados de acordo com a variabilidade
espacial dos parâmetros, podem ser: distribuídos, semi-distribuídos e concentrados.
Os modelos distribuídos e semi-distribuídos levam em consideração a variabilidade
espacial da bacia hidrográfica, já os concentrados consideram a bacia homogênea em
toda a sua extensão (KHAKBAZ et al., 2012), com um único valor médio de
precipitação e vazão (SILANS, 2000).
Um exemplo de modelo distribuído é o modelo TOPMODEL, que gera a vazão
em função do escoamento superficial do tipo Dunne (DUNNE; BLACK, 1970), ou seja,
pelo volume escoado superficialmente quando o solo está saturado (SILVA;
KOBIYAMA, 2007).
O primeiro artigo publicado a respeito do modelo TOPMODEL foi em 1979
(BEVEN; KIRKBY, 1979), mas somente em 1984 teve origem ao seu acrônimo
25
(Topography-based hydrological model) por BEVEN et al. (1984). O modelo pretende
reproduzir a heterogeneidade da bacia através das variáveis topográficas,
considerando constante a precipitação e a transmissividade (SILVA; KOBIYAMA,
2007).
Na classe dos modelos distribuídos, além do TOPMODEL, encontram-se os
modelos SHE (BATHURST; WICKS; O’CONNELL, 1995) e o MGB-IPH
(COLLISCHONN, 2001).
O modelo SHE (Système Hydrologique Européen) apresenta forte
embasamento físico, sendo formulado pelo Consórcio Europeu do Instituto de
Hidrologia (BATHURST, 1986; BATHURST; WICKS; O’CONNELL, 1995). A versão
atualizada é denominada de SHETRAN que, em geral, é aplicado em estudos de
mudança do uso do solo (FIGUEIREDO; BATHURST, 2006).
Existem ainda modelos de superfície como VIC e ISBA aplicados para
representar os fenômenos em escala regional e global, desde a energia sobre o solo
e a vegetação até o balanço hídrico. Há também modelos hidrodinâmicos como o
HEC-RAS, TELEMAC, LISFLOOD-FP, que visam a simulação hidrodinâmica de rios
e várzeas de inundação na escala local, a global como o CaMa-Flood (YAMAZAKI et
al., 2011).
Outro modelo é o SWAT, que inclui sub-modelos voltados à gestão agrícola, a
concentração de sedimentos e a erosão do solo. Neste tem-se dois módulos, um de
balanço hídrico e outro de representação do escoamento superficial que apresenta
uma solução numérica mais simples (ARNOLD et al., 1998).
Viola et al. (2012) citaram os principais modelos hidrológicos que foram
aplicados nas diferentes regiões do mundo, sendo eles: SWAT no Uruguai
(STACKELBERG et al., 2007), NRM3 no Quênia (NOTTER et al., 2007), AGNPS no
sul da Itália (LICCIARDELLO et al.,2007), o MGB-IPH no sul, sudeste e norte do Brasil
(COLLISCHONN et al., 2005; NÓBREGA et al., 2011; RIBEIRO NETO et al., 2008) e
LASH no sudeste do Brasil (MELLO et al., 2008; VIOLA et al., 2009).
A escala da bacia hidrográfica é o parâmetro que norteia a escolha entre
modelos distribuídos e concentrados, pois modelos hidrológicos para as
pequenas bacias (concentrados) não são, em geral, adequados para os de grande
escala (LOPES, 2015).
26
Os modelos hidrológicos de transformação chuva-vazão além de
representarem os processos do ciclo hidrológico, incluindo a evapotranspiração, o
balanço de água no solo, a geração de escoamento superficial, permitem representar
a propagação de cheias em rios.
Em determinadas situações existe a necessidade de simular grandes bacias
com extensas redes fluviais e corpos d’águas como lagos e lagunas, com a finalidade
de, por exemplo, prever o nível d’água a curto prazo, estudar a circulação ou avaliar
as mudanças climáticas e seus efeitos sobre as áreas alagadas. Quando áreas como
essas são simuladas, a abordagem realizada usualmente é combinar um modelo
hidrológico-hidráulico para simular a bacia hidrográfica e seus rios com um modelo
hidrodinâmico de duas ou três dimensões, que simula os grandes corpos d’água,
devido às particularidades e limitações desses modelos. Os dados de saída do modelo
hidrológico-hidráulico servem como entrada do modelo hidrodinâmico 2D ou 3D e são
aplicados em sistemas altamente dinâmicos e de grande escala (DARGAHI; SETEGN,
2011; LI et al., 2014).
O método de acoplamento hidrológico para representar o fluxo lateral de rios,
com modelos hidráulicos para calcular os níveis d’água ao longo da extensão do rio,
também é amplamente utilizado com o objetivo de modelar as planícies de inundação
(LERAT et al., 2012). Lerat et al. (2012) compararam diferentes estratégias para
acoplar o modelo chuva-vazão GR4J, com o modelo de propagação linear de onda
difusa no Rio Illinois. De maneira geral o estudo demonstrou uma boa performance
para o canal principal quando utilizados pontos de medições como condições de
entrada do modelo, de forma conjunta com outros tributários modelados. O estudo
enfatizou a importância da correta escolha do número de tributários de entrada para
obtenção do resultado, o que demonstra uma das limitações do acoplamento entre
modelos.
Recentemente, Munar et al. (2018) realizaram o acoplamento de um modelo
hidrológico de larga escala (MGB-IPH) com um modelo hidrodinâmico (IPH-ECO) para
avaliar a influência de forças externas como descarga fluvial e vento na bacia da
Lagoa Mirim. Os resultados mostraram que a integração entre os modelos permitiu
representar a variabilidade espacial e temporal dos níveis d’água na superfície da
lagoa, sendo o vento responsável pelas variações de níveis na escala de dias,
enquanto as vazões na escala sazonal. O trabalho ainda incluiu usos diversos da
27
água, como a irrigação, para avaliar seu impacto sobre os níveis d’água do sistema
modelado.
Além destes estudos, existem abordagens integradas de modelos hidrológicos-
hidráulicos aplicados na simulação de sistemas hidrodinamicamente complexos.
Lopes et al. (2018) propuseram uma abordagem integrada usando um único modelo
hidrológico, o modelo MGB-IPH, com o objetivo de simular a bacia da Laguna dos
Patos e incluir a influência do cisalhamento do vento. De acordo com os autores, foi
possível usar a abordagem para simular os hidrogramas, níveis d’água e as áreas
alagadas na bacia. Os resultados das métricas de desempenho nos lagos e lagoas
estavam dentro da faixa estabelecida na literatura e apresentaram melhoras quando
inserido o efeito do vento no algoritmo de propagação de fluxo. Com esse estudo, os
autores concluíram que é possível utilizar o modelo proposto para simular sistemas
de previsão de cheias e outros sistemas hidrológicos similares. Ressalta-se, porém,
que os autores não aplicaram a influência do vento sobre a bacia Mirim-São Gonçalo,
objeto de estudo do presente trabalho.
A propagação do escoamento superficial em rios, cujo escoamento é
unidimensional e ocorre preponderantemente na direção longitudinal, pode ser
representada matematicamente, baseada em equações de uma, duas ou três
dimensões (CASTRO, 2015; CHOW, 1988). A representação desta propagação é
usualmente feita através de um conjunto de duas equações, conhecidas como
equações de Saint-Venant (BATES; HORRITTM; FEWTRELL, 2010). A primeira é a
equação da conservação da massa e a segunda representa a quantidade do
movimento, sendo expressas como:
𝜕𝐴
𝜕𝑡+
𝜕𝑄
𝜕𝑥= 𝑞 (1)
∂Q
∂t+
∂(𝑄2
𝐴⁄ )
𝜕𝑥+ 𝑔. 𝐴.
∂h
∂x= 𝑔. 𝐴. 𝑆𝑂 − 𝑔. 𝐴. 𝑆𝑓 (2)
(a) (b) (c) (d) (e)
28
onde: Q é a vazão (m3.s-1); A é a área da seção transversal ao escoamento
(m²); x é a distância no sentido longitudinal (m); t é o tempo (s); 𝑞 é a vazão lateral por
comprimento longitudinal; h é a profundidade do rio (m); 𝑆𝑂 é a declividade do fundo
do rio (adimensional); 𝑆𝑓 representa a perda de energia por atrito na calha do rio
(adimensional) e g é a aceleração da gravidade (m.s-2).
A Equação 2 pode ser interpretada como o conjunto de forças e processos que
atuam em um pequeno volume de controle. O termo “a” representa a inércia local, o
termo “b” a advecção da quantidade de movimento para dentro do volume de controle,
o termo “c” a força associada à pressão, o termo “d” a força resultante do peso da
massa da água no volume de controle e o último termo, a força de atrito com o fundo
e as margens do rio (FAN et al., 2014).
Um exemplo de modelo hidrológico bastante utilizado que aplica
esta abordagem é o HEC-RAS. Este modelo emprega soluções numéricas das
equações de Saint-Venant para propagar a vazão em rios (CESTARI JUNIOR;
SOBRINHO; OLIVEIRA, 2015; LEON; GOODELL, 2016).
Há também modelos simplificados como o da Onda Cinemática e do
Muskingum-Cunge. Entretanto, não permitem representar o escoamento em rios
sujeitos a efeito de remanso na entrada de reservatórios e em estuários sujeito ao
efeito de marés (PONCE, 1989; PONTES; COLLISCHONN, 2012).
3.5 Modelo hidrológico de grandes bacias (MGB-IPH)
Para a modelagem de rios e planícies, foi utilizado como modelo chuva-vazão
o Modelo Hidrológico de Grandes Bacias, MGB-IPH, que é um modelo distribuído,
baseado na estrutura dos modelos LARSIM e VIC-2L (LIANG; WOOD;
LETTENMAIER, 1995) com algumas modificações e simplificações.
O modelo é constituído por dois módulos principais: balanço no solo e balanço
na água, incluindo a evapotranspiração, escoamento superficial, subsuperficial e
subterrâneo, e escoamento na rede de drenagem. O intervalo de tempo é diário ou
menor. A evapotranspiração e a lâmina interceptada é calculada através da equação
de Penman-Monteith (WIGMOSTA; VAIL; LETTENMAIER, 1994). Na sua estrutura
original, a bacia hidrográfica era discretizada em elementos regulares (células
29
quadradas) de aproximadamente 10 por 10km, interconectadas entre si por uma rede
de drenagem, conforme mostra a Figura 2.
Figura 2 - Bacia discretizada em células ligadas entre si por canais de drenagem. Fonte: COLLISCHONN, 2001.
Em sua versão mais recente, minibacias são extraídas do Modelo Digital de
Elevação (MDE) (FAN; COLLISCHONN, 2013) e cada uma dessas possui um único
trecho de rio correspondente. A discretização em minibacias pode ser feita através de
dois pacotes de ferramentas, o ArcHydro Tools pertencente ao software de SIG
ArcGIS (ESRI, 2007) ou pelo IPH-Hydro Tools que funciona como um plugin do
software livre de SIG MapWindow GIS (SIQUEIRA et al., 2016). Adicionalmente, o
modelo utiliza uma unidade de discretização espacial maior, que são as sub-bacias.
As sub-bacias são definidas em função da rede de drenagem, da variabilidade
interna das características físicas e da localização dos postos fluviométricos que
fornecerão os dados observados. Essa divisão permite a calibração do modelo
hidrológico nas diferentes regiões com tipos de vegetação e usos do solo específicos,
através de parâmetros que devem ser definidos em cada uma delas.
Fan et al. (2015) apresentaram formas de discretização em bacias de grandes
escalas, considerando elementos menores como: grades regulares, grades com sub-
níveis ou quad-tree e minibacias (Figura 3).
30
Figura 3 - Formas de discretização da bacia hidrográfica (a) dentro de um modelo hidrológico: (b) grade regular; (c) quad-tree; (d) minibacias (método das confluências). Fonte: FAN et al., 2015.
O modelo simula os processos verticais do ciclo hidrológico através de relações
conceituais, com base nas Unidades de Resposta Hidrológica (URH). Essas são áreas
de comportamento hidrológico similar em relação ao uso do solo, cobertura vegetal e
tipo de solo que atribuem a variabilidade das características físicas na minibacia. Uma
URH é caracterizada por vários parâmetros, modulados pelos parâmetros como
armazenamento máximo de água no solo (Wm), parâmetro de escoamento
subterrâneo (Kbas) e subsuperficial (Kint), parâmetro de relação entre fração de área
saturada e armazenamento médio de umidade no solo (b) e tempo de residência do
escoamento superficial (Cs), subsuperficial (Ci) e de base (Cb).
Os volumes escoados resultantes de todas as URH em cada minibacia são
somados e armazenados em reservatórios lineares simples com base nas Equações
a seguir:
𝑉𝑠𝑢𝑝𝑖
𝑡′ = 𝑉𝑠𝑢𝑝𝑖
𝑡−1 + ∆𝑡. 𝛴𝑗𝐷𝑠𝑢𝑝𝑖𝑗 (3)
𝑉𝑖𝑛𝑡𝑖𝑡′ = 𝑉𝑖𝑛𝑡𝑖
𝑡−1 + ∆𝑡. 𝛴𝑗𝐷𝑖𝑛𝑡𝑖𝑗 (4)
𝑉𝑏𝑎𝑠𝑖𝑡′ = 𝑉𝑏𝑎𝑠𝑖
𝑡−1 + ∆𝑡. 𝛴𝑗𝐷𝑏𝑎𝑠𝑖𝑗 (5)
31
onde: 𝑉𝑠𝑢𝑝𝑖, 𝑉𝑖𝑛𝑡𝑖
, 𝑉𝑏𝑎𝑠𝑖 são os volumes armazenados nos reservatórios
superficial, subsuperficial e subterrâneo (m³), respectivamente; 𝐷𝑖𝑛𝑡𝑖𝑗 é o volume
gerado de escoamento subsuperficial; 𝐷𝑠𝑢𝑝𝑖𝑗 do escoamento superficial; 𝐷𝑏𝑎𝑠𝑖𝑗
o
volume percolado ao aquífero(mm); onde o índice i se refere às minibacias, j as URH
e t-1 ao início do intervalo de tempo.
Considerando estas três equações, a vazão de saída de cada reservatório é
representada através de uma função linear do armazenamento:
𝑄𝑠𝑢𝑝𝑖=
1
𝑇𝐾𝑆𝑖.𝑉𝑠𝑢𝑝𝑖
𝑡′ (6)
𝑄𝑖𝑛𝑡𝑖=
1
𝑇𝐾𝐼𝑖.𝑉𝑖𝑛𝑡𝑖
𝑡′ (7)
𝑄𝑏𝑎𝑠𝑖=
1
𝑇𝐾𝐵𝐼.𝑉𝑏𝑎𝑠𝑖
𝑡′ (8)
onde: 𝑄𝑠𝑢𝑝𝑖 é a vazão de saída do reservatório superficial(m3.s-1); 𝑄𝑖𝑛𝑡𝑖
a vazão
de saída do reservatório subsuperficial(m3.s-1); 𝑄𝑏𝑎𝑠𝑖 a do reservatório subterrâneo em
(m3.s-1); 𝑇𝐾𝑆𝑖 (s), 𝑇𝐾𝐼𝑖 (s), 𝑇𝐾𝐵𝑖 (s), o tempo de retardo do reservatório superficial,
subsuperficial e subterrâneo, na respectiva ordem.
Cada reservatório possui características distintas em relação ao retardo e o
amortecimento, alterando o escoamento gerado em cada minibacia. Os tempos de
retardo dos reservatórios superficial e subsuperficial são calculados pelo modelo
através do tempo de concentração da minibacia, 𝑇𝑖𝑛𝑑𝑖 (m), estimado pela equação
de Kirpich, que estabelece relação com os parâmetros calibráveis 𝐶𝑠 e𝐶𝑖.
𝑇𝐾𝑆𝑖 = 𝐶𝑆. 𝑇𝑖𝑛𝑑𝑖 (9)
𝑇𝐾𝐼𝑖 = 𝐶𝐼 . 𝑇𝑖𝑛𝑑𝑖 (10)
O intervalo de tempo que acarreta o retardo do reservatório subterrâneo pode
ser estimado em função das recessões dos hidrogramas em períodos de estiagem.
32
A vazão que chega ao trecho de rio de cada minibacia é calculada através da
soma do escoamento resultante dos três reservatórios (superficial, subsuperficial e
subterrâneo), conforme mostrado a seguir, a qual é direcionada à minibacia de jusante
que se propaga na rede de drenagem, utilizando o método de Muskingum-Cunge ou
as equações hidrodinâmicas 1D da forma descrita em PONTES et al. (2017).
𝑄 𝑐𝑒𝑙 = 𝑄𝑠𝑢𝑝 + 𝑄𝑖𝑛𝑡 + 𝑄𝑏𝑎𝑠 (11)
A Figura 4 apresenta o balanço de água vertical e horizontal simulados em cada
minibacia.
Figura 4 - Esquema do balanço de água no solo do modelo MGB-IPH para uma Unidade de Resposta Hidrológica. Fonte: Adaptado de COLLISCHONN, 2001.
A propagação de escoamento do modelo hidrológico em sua estrutura original
é baseada no modelo de Muskingum-Cunge, um método de propagação de vazão
relativamente simples de ser aplicado e que vem sendo aplicado em várias bacias
hidrográficas brasileiras, como as bacias do rio Taquari-Antas (RS), rio Taquari (MS),
a bacia do Uruguai (COLLISCHONN et al., 2007) e a bacia do rio Piancó (PB) (FELIX;
PAZ, 2016).
De maneira semelhante, foi aplicado com a finalidade de prever as vazões
afluentes aos reservatórios hidrelétricos da bacia do Rio São Francisco, mostrando
ser suficiente para estimativa de vazões em locais sem dados (SILVA;
COLLISCHONN; TUCCI, 2014).
33
O modelo hidrodinâmico unidimensional utilizado no presente trabalho é um
modelo inercial (BATES et al., 2010) com seção retangular. O modelo inercial é
apresentado detalhadamente no item 3.7 com base em Pontes et al. (2015) que
realizaram adaptações no esquema numérico proposto por Bates et al. (2010).
Diante da dificuldade da modelagem hidrológica em grande escala em regiões
com planícies de inundação (NEAL et al., 2012; PAIVA et al., 2013), muitos modelos
adotam simplificações das equações de Saint Venant para propagar o escoamento,
observando-se resultados bastante satisfatórios em trabalhos anteriores tais como o
de Yamazaki et al. (2013), Pontes et al. (2015) e Lopes (2017).
Lopes (2017), aplicou um só modelo hidrológico-hidráulico, o MGB-IPH Inercial
na bacia hidrográfica da Laguna dos Patos- RS, incluindo a influência do vento no
algoritmo inercial de propagação de vazões na simulação, encontrando bons
resultados na simulação dos níveis d’água.
Os modelos que utilizam as equações de Saint Venant demonstram potencial
para representar o escoamento em regiões de baixa declividade, com trechos de
reservatórios e sujeitos a efeitos de marés. No entanto, as equações completas de
Saint-Venant resultam em um algoritmo e código computacional muito mais complexo
quando comparado a uma simplificação destas (FAN et al., 2014).
3.6 Método inercial de propagação de vazões
Quando as propriedades do fluido não mudam com o tempo, o escoamento é
considerado permanente. Esta condição de escoamento superficial ocorre
principalmente em rios e canais e é baseada em duas equações físicas: a da
continuidade (Equação 1) e a dinâmica (Equação 2), onde essa combinação origina
as equações conhecidas como Saint-Venant (TUCCI, 2005). Estas equações são
utilizadas, em sua grande maioria, por modelos hidrodinâmicos unidimensionais para
fornecer as variáveis do escoamento no tempo e no espaço (BUARQUE, 2015).
Fan et al. (2014) com base em Bates et al. (2010) discretizaram as equações
do modelo inercial e propuseram a decomposição da equação dinâmica conforme
descrito abaixo:
𝐹1 = ∂Q
𝜕𝑡 (12)
34
𝐹2 = 𝜕(
𝑄²
𝐴)
∂x (13)
𝐹3 = 𝑔. 𝐴.∂h
∂x (14)
𝐹4 = 𝑔. 𝐴. 𝑆𝑂 (15)
𝐹5 = 𝑔. 𝐴. 𝑆𝑓 (16)
onde: Q é a vazão (m3.s-1); A é a área da seção transversal ao escoamento
(m²); x é a distância no sentido longitudinal (m); t é o tempo (s); S0 é a declividade do
fundo do rio (adimensional); Sf representa a perda de energia por atrito na calha do rio
(adimensional) e g é a aceleração da gravidade (m.s-2).
Na aproximação inercial, a Equação 2 é simplificada, desprezando a inércia
advectiva (Equação 13) já que os valores são insignificantes frente aos outros termos
da equação (MOUSSA; BOCQUILLON, 1996):
𝜕𝐴
𝜕𝑡+
𝜕𝑄
𝜕𝑥= 𝑞 (17)
(18)
A Equação 18, por sua vez, é reescrita considerando que o valor da declividade
de fundo do canal (𝑆𝑓) pode ser calculado por equações empíricas de escoamento em
regime permanente como a de Manning (CUNGE, 1980), conforme é demostrado na
Equação 19:
𝑆𝑓 =𝑄.|𝑄|.𝑛²
𝐴2.𝑅ℎ
43
(19)
onde: Q (m3.s-1) a vazão; A área em m²; 𝑅ℎo raio hidráulico em metros (m); e n
o coeficiente de rugosidade de Manning.
𝜕𝑄
𝜕𝑡+ 𝑔𝐴
𝜕ℎ
𝜕𝑥− 𝑔𝐴𝑆0 + 𝑔𝐴𝑆𝑓 = 0
35
Assim o termo 𝑆𝑓 isolado da equação de Manning pode ser substituído na
Equação 18, obtendo-se a seguinte equação:
𝜕𝑄
𝜕𝑡+ 𝑔(𝐵. ℎ)
𝜕𝑦
𝜕𝑥+ 𝑔(𝐵. ℎ).
𝑄.|𝑄|.𝑛2
(𝐵.ℎ)2.𝑅ℎ
43
= 0 (20)
onde: o termo |Q| representa o módulo da vazão; e a adoção do produto |Q|. Q
permite representar a magnitude e o sinal da perda de energia.
A equação dinâmica também pode ser representada considerando o canal
como sendo retangular, admitindo que normalmente as seções naturais de rios e
canais apresentam larguras maiores que a profundidade. Dessa forma, o perímetro
molhado da seção é considerado igual à largura do rio (𝐵) e o raio hidráulico
aproximado diretamente a profundidade (𝑅ℎ=h) resultando em:
𝜕𝑄
𝜕𝑡+ 𝑔ℎ
𝜕𝑦
𝜕𝑥+ 𝑔
𝑄.|𝑄|.𝑛2
𝑅ℎ
43
= 0 (21)
A equação da continuidade pode ser estimada em função da diferença entre as
vazões:
𝜕𝑉
𝜕𝑡= ∑ 𝑄𝑖𝑛 − ∑ 𝑄𝑜𝑢𝑡 (22)
onde: V é o volume de água em um pequeno sub-trecho do rio (m3); 𝑄𝑖𝑛são as
vazões que entram nesse trecho de rio (m3.s-1), incluindo a vazão de todas as
minibacias localizadas imediatamente a montante e a vazão gerada na própria
minibacia, e 𝑄𝑜𝑢𝑡 são as vazões que saem desse trecho de rio (m3.s-1), o que inclui a
vazão que segue para jusante e eventuais perdas por evaporação.
Como as duas últimas equações (21 e 22) não possuem solução analítica, o rio
é discretizado em sub-trechos (Figura 5) para que cada minibacia possua apenas um
sub-trecho de rio, estando a minibacia B situada à jusante da minibacia A.
Adaptando o esquema numérico propostos por Bates et al. (2010), considera-
se que as variáveis h (profundidade), y (cota do nível d’ água) e z (cota do fundo) são
36
definidas nos centros dos sub-trechos e a vazão de troca entre elas que corresponde
a 𝑄𝑖 é definida nos contornos de cada sub-trecho.
O único trecho de rio em cada minibacia faz com que as trocas de vazão
ocorram da minibacia a montante para a jusante. Nesse caso, o nível d’ água do trecho
do rio é calculado somando h (profundidade) e z (cota do fundo) através da equação
𝑦𝑖 = 𝑧𝑖 + ℎ𝑖 para minibacia A e pela equação 𝑦𝑖+1 = zi+1 + hi+1 para B (PONTES et
al., 2015).
Figura 5 - Esquema de discretização das minibacias de comprimento Δx e das variáveis de vazão (Q e QM), profundidade (h) e nível (z) do modelo Inercial implementado no modelo hidrológico MGB-IPH. Fonte: PONTES et. al., 2015.
Para a resolução das equações 21 e 22 foram adotadas as seguintes
aproximações apresentadas nas Equações 23, 24 e 25, onde o índice i representa em
qual minibacia ocorre o cálculo e o índice t informa qual o intervalo de tempo:
𝜕𝑦
𝜕𝑥≅
𝑦𝑖+1𝑡 −𝑦𝑖
𝑡
∆𝑥𝑖 (23)
𝜕𝑄
𝜕𝑡≅
𝑄𝑖𝑡+∆𝑡−𝑄𝑖
𝑡
∆𝑡 (24)
𝜕𝑉
𝜕𝑡≅
𝑉𝑖𝑡+∆𝑡−𝑉𝑖
𝑡
∆𝑡 (25)
37
Assim, o método de Euler que fornece aproximações numéricas do tipo
“Forward” ou aproximação de Euler, é aplicado para representar o nível e a vazão
distribuída no tempo e no espaço. Com isso, aplicando e reorganizando a equação
23, obtêm-se a seguinte equação:
𝑄𝑖𝑡+∆𝑡 = (
((𝑄𝑖𝑡)−𝑔.𝑾.∆𝑡.(𝒉𝒇𝒍𝒐𝒘𝒊.𝑆𝑓𝑙𝑜𝑤𝑖))
1+(𝑔.∆𝑡.𝒉𝒇𝒍𝒐𝒘𝒊.(|𝑄𝑖
𝑡|.𝒏2)
𝑾.(𝒉𝒇𝒍𝒐𝒘𝒊)2 )
) (26)
onde: o sobrescrito t corresponde ao tempo; o subscrito i ao espaço; Q é a
vazão (m3.s); W é a largura da calha do rio, n é o coeficiente de Manning (𝑚−1
3 . 𝑠);
𝑆𝑓𝑙𝑜𝑤𝑖 é a declividade da linha d’água; hflowi (m) corresponde à profundidade na seção
transversal entre a minibacia i e a minibacia i+1.
O hflowi é calculado pela Equação 27 e a declividade da linha d’água (𝑆𝑓𝑙𝑜𝑤𝑖)
através da equação 28, representada por:
ℎ𝑓𝑙𝑜𝑤𝑖=𝑚𝑎𝑥[ 𝑦𝑖𝑡;𝑦𝑖+1
𝑡 ] − 𝑚a𝑥[𝑍𝑡𝑎𝑏𝑖,1;𝑍𝑡𝑎𝑏𝑖+1,1] (27)
𝑆𝑓𝑙𝑜𝑤𝑖=𝑦𝑖+1
𝑡 − 𝑦𝑖𝑡
∆𝑥𝑖 (28)
onde: 𝑍𝑡𝑎𝑏𝑖,1, 𝑍𝑡𝑎𝑏𝑖+1,1,1, 𝑦𝑖+1𝑡 e 𝑦𝑖
𝑡 são, respectivamente, a cota de fundo nas
minibacias i e i+1 e os níveis de água nas minibacias i e i+1.
Por fim a equação da continuidade pode ser aproximada para cada segmento
de rio por:
𝑉𝑖𝑡+∆𝑡−𝑉𝑖
𝑡
∆𝑡= ∑ 𝑄𝑖𝑛
𝑡+∆𝑡 − ∑ 𝑄𝑜𝑢𝑡𝑡+∆𝑡 − ∑ 𝑄𝑣𝑖𝑧
𝑡+∆𝑡 − 𝐸𝑣𝑞𝑖 (29)
onde: Σ𝑄𝑖𝑛𝑡+ ∆𝑡 refere-se as vazões que entram na minibacia i no tempo t+∆t;
Σ𝑄𝑜𝑢𝑡𝑡+ ∆𝑡 refere-se as vazões que saem da minibacia i e das adjacentes; 𝐸𝑣𝑞𝑖 é a
evaporação da área inundada na minibacia i e 𝑉𝑖
𝑡+ ∆𝑡 − 𝑉𝑖𝑡
∆𝑡 é a variação do volume no
tempo e na minibacia i. Este equacionamento ainda possibilita a troca lateral entre
38
minibacias através do termo ∑ 𝑄𝑣𝑖𝑧𝑡+∆𝑡
, podendo ainda representar bifurcações na rede
de drenagem, conforme ilustrado na Figura 6.
Figura 6 - Discretização da rede de drenagem em minibacias com definição da vazão (Q e Qviz). Fonte: PONTES et al., 2017.
Dessa forma, o modelo inercial permite achar todos os valores de nível d’ água
em qualquer minibacia i através de uma condição inicial de vazão de referência, onde
o valor de ℎ𝑓𝑙𝑜𝑤 é encontrado pela equação 27, os valores de 𝑄𝑡+ ∆𝑡 em cada
minibacia i pela equação 28 e os volumes pela equação 29.
Este adota um esquema numérico explícito para evitar a instabilidade numérica,
onde a condição de Courant-Friedrichs-Levy (CFL) deve ser respeitada:
∆𝑡 = 𝛼∆𝑥
√𝑔ℎ (30)
onde: g é a aceleração da gravidade (m.s-2); h corresponde a profundidade
máxima entre todas encontradas nos trechos analisados (m); Δx o comprimento do
menor trecho de rio (m); e Δt é o passo de tempo de cálculo (s).
A Equação 30 pode ser reescrita em função de ∆𝑡, onde a condição do intervalo
de tempo de cálculo é imposta e é dada pela Equação 31:
∆t = α∆x
√g.h ≤ 1 (31)
39
3.7 Introdução do vento no método inercial
A representação da ação do vento na modelagem hidráulica por meio das
equações de Saint-Venant pode ser feita através da incorporação da força de atrito
que esse exerce sobre o sistema hídrico na parcela dinâmica do conjunto de
equações. Segundo Abbott e Price (1994) a tensão causada pelo vento é
representada pela Equação 32:
τ = d𝑎𝑟 . 𝐶𝐷 . |U|. U (32)
onde: 𝜏 é a tensão causada pelo vento no escoamento, U é valor da
componente do vetor da velocidade do vento na direção do escoamento (m.s-1), daré
a densidade do ar (massa especifica do ar dividida pela massa específica da água),
𝐶𝐷 é o coeficiente de arraste do vento ou coeficiente de resistência ar-água
(adimensional). A velocidade do vento U multiplica o módulo da mesma para que o
sentido dessa velocidade seja preservado (contra ou a favor do escoamento).
A inclusão deste termo no modelo MGB-IPH com propagação inercial foi feita
por Lopes (2017) através da modificação da Equação 26 conforme mostra a Equação
33.
𝑄𝑖𝑡+ ∆𝑡 =
((𝑄𝑖𝑡)−𝑔.𝐵.∆𝑡.(ℎ𝑓𝑙𝑜𝑤𝑖 .𝑆𝑓𝑙𝑜𝑤𝑖)+ ∆𝑡.𝐵.𝑑𝑎𝑟.𝐶𝐷.|𝑈|.𝑈)(−cos (Azvi−Azmi)))
(1+ 𝑔.∆𝑡.(|𝑄𝑖
𝑡|).𝑛²
𝐵+(ℎ𝑓𝑙𝑜𝑤)73
)
(33)
onde: 𝐴𝑧𝑣𝑖 é o azimute da direção do vento na minibacia i; 𝐴𝑧𝑚𝑖 é o azimute
equivalente à linha imaginária que possui a finalidade de ligar os centróides das
minibacias de montante (i) e a jusante (i+1), definindo a direção do escoamento.
A principal modificação associada a Equação 32 é a introdução do termo (−cos
(𝐴𝑧𝑣𝑖−𝐴𝑧𝑚𝑖)), que representa a decomposição do vetor da velocidade do vento na
direção do escoamento. Dessa forma, caso a direção do vento seja a mesma do
escoamento, ele agregará vazão ao escoamento. Caso contrário este atuará contra a
propagação, diminuindo a vazão na minibacia.
40
Com isso, o MGB-IPH com propagação inercial mostra-se um modelo com
potencial para ser aplicado na bacia Mirim-São Gonçalo visto que representa os níveis
d’água, os efeitos de jusante, permite as trocas laterais entre minibacias e a simulação
do efeito do vento.
4 Metodologia
Aqui será descrita a metodologia utilizada no presente trabalho que trata da
modelagem hidrológica da bacia hidrográfica Mirim-São Gonçalo empregando o
modelo MGB-IPH e a análise da inclusão dos ventos observados na Lagoa Mirim.
Primeiramente, está apresentada a descrição da área de estudo. A seguir, organizou-
se um banco de dados que permitisse a aplicação do modelo tal qual sua última
disponibilização, que incorpora a propagação inercial de vazões. Com o modelo apto
à aplicação, foi calibrado manualmente visando os melhores resultados em relação
aos dados observados de vazão.
Uma vez calibrado o modelo, foi gradativamente aprimorado com a inclusão de
novos processos e dados, cuja utilização não é permitida via interface. Estas
modificações e inclusões foram realizadas de maneira a buscar melhores resultados
a cada nova rodada. Primeiramente, foram implementadas no modelo as trocas
laterais entre as minibacias na lagoa. A seguir, foi analisada a influência da condição
de jusante sobre os níveis da Lagoa Mirim. Por fim, foi realizada a inclusão e a
modelagem do vento na bacia.
A Figura 7 apresenta um fluxograma com as fases do estudo.
Figura 7 - Fluxograma das fases do estudo.
42
4.1 Descrição e caracterização do ambiente de estudo
A área de estudo é a bacia hidrográfica Mirim-São Gonçalo que possui uma
área aproximada de 56.000km² sendo 46% em território brasileiro e 54% em território
uruguaio, localizada na fronteira do sudeste do Rio Grande do Sul (Figura 8), entre as
coordenadas 31º30' a 34º35' de latitude Sul e 53º31'a 55º15' de longitude Oeste.
Figura 8 - Localização da área de estudo, bacia hidrográfica Mirim-São Gonçalo.
Portanto, esta é uma bacia transfronteiriça já que parte de seus contribuintes
estão em território Uruguaio (SOSINSKI, 2009). Seu regime de águas apresenta uma
infinidade de afluentes e, na porção brasileira os principais são os rios Piratini e
Jaguarão, situados na margem esquerda (HARTMANN et al., 1986).
A Lagoa Mirim possui um comprimento aproximado de 190km ao longo do eixo
maior, na sua porção mais larga uma extensão média de 40 km e na porção mais
estreita extensões médias de 20km e, em média, largura de 40km, sendo que
armazena um volume médio de 12,4 bilhões m3, o qual mantém um espelho d‘água
de superfície aproximada de 4.000km². Alguns autores como Kotzian e Marques
(2004) apresentam valores aproximados destes apresentados.
43
Segundo a classificação de Köppen o clima é do tipo subtropical. A região
possui temperatura e precipitação média anual de 18°C e 1.378mm, respectivamente
(WREGE et al., 2011). Os solos predominantes são Organossolos com manchas de
Gleissolos Háplicos (IBGE, 2002).
4.2 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH sem
a inclusão da influência do vento
Nessa etapa, o modelo é aplicado tal qual é utilizado. Os dados necessários
para modelagem foram reunidos e processados com intenção de permitir a criação do
projeto de modelagem. Após rodar o modelo, o mesmo foi calibrado manualmente
através da manipulação do conjunto de parâmetros para valores que resultariam na
melhor representatividade dos dados simulados em relação aos observados e, por
consequência, nos melhores valores das métricas de desempenho. Estas foram o
coeficiente de eficiência de Nash-Sutcliffe, o coeficiente de Nash-Sutcliffe do logaritmo
das vazões e o erro relativo de volume. Além disso, foi efetuada a comparação dos
níveis d’água simulados e observados, para verificar a capacidade do modelo em
simular corretamente os níveis na lagoa.
O fluxograma desta fase inicial está apresentado na Figura 9.
Figura 9 - Fluxograma da fase inicial do trabalho.
44
4.2.1 Preparação do modelo
Primeiramente, para aplicar o modelo MGB-IPH com o método de propagação
Inercial de vazões, foi necessário construir um banco de dados utilizado pelo modelo.
Este consiste no modelo digital de elevação (MDE), mapa de uso e tipo de solo, além
de uma série de arquivos com dados observados de precipitação, vazão e clima
(temperatura, umidade relativa do ar, velocidade do vento, pressão atmosférica e
insolação). O MDE é utilizado para gerar a rede drenagem, delimitar a bacia e
discretizar a bacia em sub-bacias e minibacias. Já os mapas de tipo, de uso do solo e
de vegetação são combinados e reclassificados para gerar as chamadas Unidades de
Resposta Hidrológica. As informações provenientes desses arquivos são processadas
para que possam ser utilizadas pelo modelo. Os arquivos de precipitação são
interpolados para as minibacias pelo método do inverso da distância ao quadrado,
enquanto que para as informações climatológicas são utilizados os dados da estação
climatológica mais próxima a cada minibacia. Os dados necessários para a aplicação
do modelo serão descritos abaixo.
4.2.1.1 Modelo digital de elevação
A obtenção de dados do relevo foi através do Modelo Digital de Elevação (MDE)
da missão SRTM (Shuttle Radar Topography Mission) (FARR et al., 2007), com
resolução espacial de 90m e resolução vertical de 1m.
O Modelo de Grandes Bacias é rodado inteiramente dentro do software livre de
SIG MapWindow (SIQUEIRA et al., 2016), das etapas de pré-processamento à
simulação. Apesar dos erros e limitações do SRTM decorrentes de problemas na
reflexão dos sinais de radar em corpos d’água ou em vertentes com declividade
elevada (FARR et al., 2007), o seu uso ainda é adequado para modelagem proposta.
O fato da região lagunar apresentar altitude constante e próxima a zero em
virtude do sinal não ultrapassar sua superfície, foi necessário incorporar dados de
batimetria nesta área para que posteriormente fosse possível gerar dados de cota-
área alagada para cada minibacia com base nas informações do MDE.
45
4.2.1.2 Batimetria
A batimetria inserida na Lagoa Mirim foi extraída a partir da digitação da carta
de hidrografia e navegação da Marinha do Brasil que contém dados anteriores ao ano
de 1941. Os dados da carta foram reunidos em um ambiente SIG (Sistema de
Informações Geográficas), o ArcGIS. Neste ambiente, foram interpolados através do
Topo to Raster, disponível na barra de ferramentas 3dAnalyst.
Os dados interpolados foram inseridos no MDE do SRTM através de uma
operação de mapas, na qual o modelo do SRTM foi subtraído pelo interpolado. Esta
operação resultou em valores negativos da altimetria que representa a área das
lagoas no MDE, uma vez que o valor de altimetria do SRTM era zero.
Dessa forma, para evitar posteriormente erros de processamento pelos
programas de geoprocessamento usados, tais como o pacote IPH-HydroTools
(SIQUEIRA et al., 2016), foi somado o valor constante de 20m ao MDE tornando todas
as células positivas. O resultado final da batimetria interpolada pode ser observado na
Figura 10. O MDE com a batimetria foi utilizado para a geração de informações de
área alagada e cota do nível d’água em cada minibacia com o uso da ferramenta
PREPRO, disponível no IPH-Hydro Tools.
46
Figura 10 - Batimetria interpolada da Lagoa Mirim.
4.2.1.3 Uso e tipo do solo
Para a determinação das Unidades de Resposta Hidrológica (URH’s) da bacia
Mirim-São Gonçalo, apresentadas na Figura 11, foi utilizado o mapa de URH’s da
América do Sul desenvolvido por Fan et al. (2015) e disponibilizado pelo portal de
Hidrologia de Grande Escala (HGE) da Universidade Federal do Rio Grande do Sul
(UFRGS, 2017). Os mapas de uso, tipo de solo e vegetação são reclassificados e
combinados, gerando as Unidades de Resposta Hidrológica que são regiões que
possuem o mesmo comportamento hidrológico influenciando diretamente nos
processos hidrológicos simulados pelo modelo.
47
Figura 11 - Unidades de Resposta Hidrológica.
4.2.1.4 Dados hidro-climáticos
Foram utilizados 91 postos pluviométricos e 14 fluviométricos, sendo 8 das
estações fluviométricas e 45 das pluviométricas operadas pelo Instituto Nacional de
Meteorologia do Uruguai (INUMET), o restante dos dados foram obtidos da rede
hidrológica nacional operada pela Agência Nacional de Águas (ANA). As estações
pluviométricas utilizadas na bacia Mirim-São Gonçalo estão representadas na Figura
12 e as estações fluviométricas com o respectivo código na Figura 13.
48
Figura 12 - Localização das 91 estações pluviométricas na bacia Mirim-São Gonçalo.
Figura 13 - Localização das 14 estações fluviométricas na bacia Mirim-São Gonçalo.
49
Também foram utilizados dados de temperatura do ar, umidade relativa,
velocidade do vento, insolação e pressão atmosférica para obter a evapotranspiração
através do método de Penman-Monteith nas URH (Unidades de Resposta
Hidrológica) de cada minibacia. As variáveis foram obtidas através do próprio banco
de dados do MGB-IPH que apresenta um conjunto de normais climatológicas de 1960
a 1990 calculadas pelo Instituto Nacional de Meteorologia (INMET) para todo o Brasil.
Os dados de níveis foram obtidos através de 10 estações linimétricas,
localizadas em Picada da Areia, Cerro Chato, Pedro Osório, Passo dos Carros e Ponte
Cordeiro de Farias, obtidos pelo sistema Hidroweb e mantido pela Agência Nacional
de Águas (ANA). Os dados de níveis d’água da estação de Santa Isabel, Santa Vitória
do Palmar e, a montante e a jusante da barragem do canal São Gonçalo foram obtidos
junto a Agência de Desenvolvimento da Lagoa Mirim (ALM), da UFPel. Os níveis
d'água do canal São Gonçalo foram fornecidos pelo Porto de Pelotas, que possui uma
régua instalada junto ao cais.
O número referente ao código e nome de cada estação encontra-se na Tabela
1.
Tabela 1–Identificação das estações de nível.
Ad: Área de drenagem
ID Código Estação de nível Latitude (S) Longitude (W) Ad (Km²)
1 88220000 Picada da Areia 32° 23' 8.00'' 53° 38' 16.00'' 5420
2 88575000 Cerro Chato 31° 51' 52.92'' 53° 16' 5.88'' 1050
3 88641000 Pedro Osório 31° 51' 47.88'' 52° 48' 57.96'' 4700
4 88750000 Passo dos Carros 31° 42' 50.04'' 52° 28' 36.12'' 131
5 88850000 Ponte Cordeiro de Farias 31° 34' 24.96'' 52° 27' 45.00'' 386
6 - Barragem-eclusa montante 31º 48' 46.800'' 52° 23’ 20.400'' -
7 - Barragem-eclusa jusante 31º 48' 39.600'' 52º 23’ 16.800'' -
8 88040000 Santa Vitória do Palmar 33° 30' 30.96'' 53° 26' 9.96'' -
9 88810000 Porto de Pelotas 31° 46' 55.92'' 52° 20' 0.00'' -
10 88900000 Santa Isabel 32° 9' 16.92'' 52° 37' 48.00'' -
50
Na Figura 14 são apresentados os postos linimétricos com os respectivos
códigos.
Figura 14 - Postos fluviométricos com dados de nível.
4.2.1.5 Discretização da bacia hidrográfica Mirim-São Gonçalo
Neste item foram inseridos os dados obtidos no processo de discretização da
bacia Mirim-São Gonçalo. Uma das primeiras etapas para a extração de informações
a partir do MDE consiste na determinação da direção do escoamento e na área
acumulada de cada pixel, seguido da definição da rede de drenagem e a divisão em
sub-bacias e minibacias (PAIVA et al., 2011). Como os corpos hídricos da bacia se
encontram em áreas planas do MDE, uma forma de melhorar a definição das direções
de fluxo em regiões como essas é através do recondicionamento do MDE, pelo
método conhecido como “stream-burning” (HUTCHINSON,1989).
Assim foi empregada a ferramenta “stream-burning” da extensão ArcHydro
incorporada ao ArcGIS e nela inserida uma camada de hidrografia vetorizada
manualmente. Isso foi realizado para definir uma rede de drenagem correta além de
permitir a conexão entre a Lagoa Mirim e o canal São Gonçalo, de forma que a
51
hidrografia passasse no meio da bacia. A Figura 15 representa o zoom da área da
lagoa com a rede de drenagem recondicionada para facilitar a visualização.
Figura 15 - Modelo digital de elevação e rede de drenagem recondicionada.
A extração da rede de drenagem através do MDE é gerada a partir da definição
de um limiar de área acumulada, que representa o número mínimo de células
necessárias para começar o curso de água (FAN et al., 2013). No presente estudo foi
adotado o valor de 20km2. O resultado da rede de drenagem é apresentado na Figura
16.
52
Figura 16 – Bacia Mirim-São Gonçalo com a rede de drenagem gerada no processo de discretização.
Dentre os métodos de discretização, os que definem comprimentos diferentes
de trechos de rios para as minibacias não reproduzem um funcionamento adequado
do método inercial uma vez que o passo de tempo do método é estabelecido em
função do comprimento dos trechos (Equação 30). Caso haja o uso deste, o modelo
aplica o menor trecho de rio no cálculo do passo de tempo de simulação, de acordo
com o critério de estabilidade de Courant e, consequentemente, diminui o passo de
tempo resultante e aumenta o tempo de simulação.
Para evitar este problema, foi aplicado um algoritmo de segmentação de
drenagem, o qual está disponível no pacote IPH-Hydro Tools (SIQUEIRA et al., 2016).
Este algoritmo necessita da indicação de um comprimento máximo de trecho de rio,
que no caso foi adotado 10km. A discretização é refinada até que este limite não seja
superado, caso exceder o trecho de rio é subdividido em sub-trechos para manter o
modelo estável.
O algoritmo de segmentação começa a partir do exutório da bacia, onde
percorre a drenagem de jusante à montante segmentando-a em trechos de
comprimentos de rios fixos. Primeiramente, segmenta o maior afluente de cada
confluência, ou seja, com maior área de drenagem. Essa área é calculada através do
53
mapa de fluxo acumulado gerado anteriormente. Ao segmentar de jusante à montante,
o algoritmo retorna à montante, reconhecendo o afluente com menor área de
drenagem e segue pelo mesmo, até toda a rede de drenagem ser segmentada.
O processo de discretização originou 15 sub-bacias (Figura 17) e 1777
minibacias (Figura 18). As sub-bacias são definidas como sendo unidades maiores de
drenagem que abrangem uma grande quantidade de minibacias. Foram definidas com
base na localização das estações fluviométricas da área de estudo e utilizadas
principalmente no processo de calibração do modelo hidrológico, a qual é atribuído
vários parâmetros a cada URH’s de acordo com o comportamento hidrológico
conferido a elas.
Figura 17 - Discretização da bacia Mirim-São Gonçalo em sub-bacias.
54
Figura 18 - Discretização da bacia Mirim-São Gonçalo em minibacias.
4.2.1.6 Relações geomorfológicas
Com o pré-processamento do MDE foram obtidas informações relevantes para
a simulação hidrológica como a área de drenagem total da minibacia, área de
drenagem total acumulada, comprimento do trecho de rio, código do trecho de rio
situado a jusante da minibacia em análise, declividade do trecho de rio e um arquivo
que define a área alagada para cada cota do nível d’água. Por este motivo foi
importante a utilização do MDE com a batimetria inserida. Para definir as larguras e
profundidades de cada trecho das minibacias foram utilizados os dados provenientes
das estações de resumo de descarga da ANA, adquiridas no portal Hidroweb. Destas,
foram correlacionadas as maiores larguras e profundidades observadas às suas
respectivas áreas de drenagem. Com isto, foi possível ajustar duas equações
potenciais relacionando área de drenagem à largura e profundidade, conhecidas como
relações geomorfológicas. A Tabela 2 apresenta as estações utilizadas bem como as
informações adquiridas de cada uma.
55
Tabela 2 - Informações das estações utilizadas para obtenção das relações geomorfológicas.
Estação Nome Rio Área (km²)
Profundidade (m)
Largura (m)
Máxima Máxima
88176000 Arroio Candiota montante Arroio Candiota 297 1,84 16
88177000 Sanga Funda montante Arroio Sanga Funda 297 1,57 20
88220000 Picada da Areia Rio Jaguarão 5420 4,29 90
88260000 Passo das Pedras Rio Jaguarão 6920 5,71 132,7
88400000 Granja Santa Marta Arroio Chasqueiro 281 1,11 21,6
88550000 Ponte do Império Rio Piratini 1870 2,29 102
88560001 Picada Nova Rio Piratini 2240 2,99 62
88575000 Cerro chato Arroio Basílio 1050 2,03 61,36
88680000 Passo do Ricardo Rio Piratini 5410 4,11 150
88750000 Passo dos Carros Arroio Fragata 131 2,74 38,54
88850000 Ponte Cordeiro de Farias Arroio Pelotas 386 5,24 63,5
88600001 Contrato Arroio Basílio 2380 5,35 61
Os formatos das equações das relações geomorfológicas são apresentadas
nas Equações 34 e 35:
Hrioi = cAdid (34)
Brioi = aAdib (35)
onde: 𝐻𝑟𝑖𝑜𝑖 é a profundidade da calha (m) na minibacia i; 𝐵𝑟𝑖𝑜𝑖 é a largura da
calha (m) na minibacia i; 𝐴𝑑𝑖 é a área de drenagem (km²) na minibacia i e os
parâmetros a, b, c e d são os parâmetros do ajuste da equação potencial. Os valores
obtidos para os parâmetros a, b, c e d considerando os dados observados foram
2,3786; 0,4486; 0,1597 e 0,3818, respectivamente.
Estas foram utilizadas para definir as larguras e profundidades de todas as
minibacias que compõem a bacia na etapa de pré-processamento. Contudo, uma vez
que estas variáveis não se comportam da mesma maneira na região da lagoa, onde
a profundidade é definida pela batimetria e a largura é toda extensão de cada
minibacia, foram alteradas manualmente as profundidades das minibacias situadas
dentro da lagoa para 1m. Dessa maneira, todas as minibacias da lagoa seriam
imediatamente inundadas mesmo para vazões baixas. A partir daí, o que definiria a
cota e o volume de cada minibacia dentro da lagoa, em resposta à vazão de entrada,
seria o arquivo de cota e a área alagada que incluiria as informações da batimetria.
56
4.3 Calibração do modelo
O modelo foi calibrado para um período de 26 anos, entre 1º de janeiro de 1990
a 31 de dezembro de 2015, o qual foi escolhido de modo que envolvesse um maior
número de dados fluviométricos. A modelagem foi melhorada com a calibração
manual, através da comparação entre hidrogramas simulados e observados. Além do
ajuste do modelo pela comparação visual entre vazões observadas e calculadas, os
seguintes parâmetros estatísticos foram empregados nas análises: coeficiente de
eficiência de Nash-Sutcliffe (NS) (NASH; SUTCLIFFE, 1970), coeficiente de Nash-
Sutcliffe do logaritmo das vazões (NSlog) e o erro relativo de volume (EV).
Com a aplicação do coeficiente de Nash-Sutcliffe (NS) foi possível ajustar as
altas vazões dos hidrogramas. Verifica-se que para representar os picos de vazões
entre os dados simulados e observados o valor ideal de NS deve ser igual e máximo
a 1. O coeficiente de ajuste considera o quadrado das diferenças entre as vazões
observadas e simuladas, conforme mostra a Equação 36:
𝑁𝑆 = 1 − [∑ (𝑌𝑖
𝑜𝑏𝑠− 𝑌𝑖𝑠𝑖𝑚)²𝑛
𝑖=1
∑ (𝑌𝑖𝑜𝑏𝑠− 𝑌𝑖
𝑚𝑒𝑎𝑛)²𝑛𝑖=1
] (36)
onde: n é o número total de observações; 𝑌𝑖𝑜𝑏𝑠, a vazão observada; 𝑌𝑖
𝑠𝑖𝑚 é a
vazão simulada; e 𝑌𝑖𝑚𝑒𝑎𝑛 é a média das vazões observadas.
O coeficiente Nash-Sutcliffe do logaritmo das vazões (NSlog) é calculado da
mesma maneira mas por meio do logaritmo das vazões observadas e simuladas, com
isso contempla melhor as situações das vazões em períodos de estiagem. O
desempenho do modelo é considerado bom se o valor do NS é maior que 0,75 e é
considerado aceitável se o valor fica entre 0,36 e 0,75 (COLLISCHONN, 2001). O
NSlog também possui valor ideal igual e máximo a 1. Já o EV confere um melhor
ajuste na quantidade de vazão gerada pelo modelo em relação às vazões observadas
ao longo do tempo quando aproxima ao valor zero.
Uma vez que o referencial zero do MGB-IPH não é o mesmo dos quais são
referenciadas as estações de observação, as anomalias dos níveis d’água simulados
no ambiente de estudo foram corrigidos utilizando a média das séries observadas
referente ao mesmo período. Para isso, cada valor das anomalias simuladas nas
57
minibacias referentes às estações foi subtraído pela média da série observada em
cada estação. Desta maneira foi possível comparar diretamente a anomalia e o nível
observado. A verificação do desempenho do modelo, ao simular os níveis d’água, foi
realizada através do coeficiente de Nash-Sutcliffe (NS), Nash-Sutcliffe do logaritmo
das vazões (NSlog), erro do volume (ΔV) e raiz quadrada da média aritmética do
quadrado dos desvios (RMSE). O coeficiente NSlog foi calculado somando às séries
o menor valor de nível d’água, conferindo todos valores como positivos, permitindo
calcular seus logaritmos.
4.4 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB- IPH com
as conexões laterais
Para representar a região de planície na área de estudo, o método
de discretização convencional do modelo MGB-IPH foi modificado. Essa modificação
consiste em incluir as trocas de vazões laterais entre as minibacias dentro do MGB-
IPH Inercial.
De acordo com Pontes et al. (2015), isso pode ser realizado incorporando
canais de ligação entre todas as minibacias adjacentes situadas na área de planícies
e com isso, conectando-as. Para identificar as minibacias que possuem conectividade
lateral admitiu-se que uma minibacia está conectada a uma minibacia vizinha em
regiões com planícies de inundação e no interior da lagoa, em que, embora não haja
trechos de rio, ainda ocorre transferência de água livremente entre elas.
Em geral, as características geométricas (largura, comprimento e cota de
fundo) dos canais fictícios não são conhecidas. No intuito de achar valores adequados
foi feito uma análise de sensibilidade, descrita no item 4.4.1, com base nas larguras
dos canais que interligam as minibacias de planície (parâmetro b). Já o comprimento
dos canais foi calculado conforme a Equação 37 (PONTES et al., 2015), que
representa a soma do raio de dois círculos que possuem áreas equivalentes ao de
duas minibacias conectadas.
L = √A1
π+ √
A2
π (37)
58
onde: L é o comprimento do canal (km); e A1e A2 as áreas das minibacias
interconectadas pelo mesmo.
4.4.1 Análise de sensibilidade à largura das conexões laterais
O parâmetro b que representa a largura dos trechos de rios fictícios entre as
minibacias com conexão lateral não é calculado automaticamente e necessita de
calibração para buscar o melhor valor. Este é utilizado nas soluções numéricas das
equações de Saint-Venant do modelo inercial local. O modelo foi simulado com
diferentes valores de b e o melhor valor do coeficiente a ser atribuído nas simulações
foi verificado através dos valores do coeficiente de Nash-Sutcliffe (NS), Nash-Sutcliffe
do logaritmo das vazões (NSlog), erro do volume (ΔV) e raiz quadrada da média
aritmética do quadrado dos desvios (RMSE), que foram avaliados em todos os postos
de nível. Os valores dos parâmetros avaliados foram: 10m, 25m, 50m, 100m, 150m,
250m, 500m, 1000m.
4.5 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH com
as condições de contorno
Essa fase do estudo pode ser dividida em três testes. Primeiro foram analisadas
as saídas de nível d’água com a programação atual do MGB-IPH, na qual é mantida
uma declividade constante de 0,005 m.km-1 da minibacia do exutório em relação a
minibacia fictícia posterior a esta. No segundo teste foi feito uma substituição da
declividade constante por uma equivalente aquela em relação ao nível constante do
mar, ou seja, 20m já que o MDE original foi somado por este valor para compensar o
escavamento da calha dentro da lagoa. O último teste foi desenvolvido com a
finalidade de verificar o desempenho do modelo ao se incluir dados diários de nível
d’água observados da barragem-eclusa do canal São Gonçalo como condição de
jusante. Dessa forma a declividade seria calculada em relação aos próprios valores
observados na barragem. Neste caso também foi necessário somar 20 metros aos
valores observados.
Para auxiliar na avaliação de qual condição de jusante resultaria nas melhores
simulações, foram gerados mapas da área inundada em um dia de cheia e um de
59
seca pela versão convencional do modelo. Na sua primeira versão, o modelo gerava
a área inundada através da comparação entre o nível d’água (NA) simulado e as cotas
do MDE, em cada minibacia (PONTES et al., 2015).
Mais recentemente, foi incorporado ao MGB-IPH o desenvolvimento e
utilização do modelo de terreno denominado HAND (Height Above Nearest Drainage
ou Altura Acima da Drenagem Mais Próxima). Esse, por sua vez, foi desenvolvido pelo
INPE (Instituto Nacional de Pesquisas Espaciais) e pelo INPA (Instituto Nacional de
Pesquisas da Amazônia) (NOBRE et al., 2011) e calcula alturas relativas ao rio por
meio da diferença entre a altitude extraída do Modelo Digital de Elevação (MDE) e a
rede de drenagem, seguindo as direções de fluxo (RENNÓ et al., 2008; NOBRE et al.,
2011).
Dessa forma, levando em consideração a existência de dois métodos, ambos
foram avaliados frente ao produto Global Surface Water (GSW), constituído da análise
de 3 milhões de imagens obtidas pelo satélite Landsat na resolução de 30 metros, ao
longo dos últimos 32 anos (PEKEL et al., 2016).
4.6 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH com
a inclusão da influência do vento
Nesta etapa foi feita a simulação do modelo MGB-IPH com propagação inercial
e incorporação da influência do vento com uso de dados sub-diários e horários com a
condição de jusante que resultou os melhores resultados na etapa 2. O primeiro passo
foi definir os azimutes da Equação 32. Para calcular o 𝐴𝑧𝑚𝑖 foram utilizados os pares
de coordenadas do centroide da minibacia de origem e os da de destino, podendo
essas serem minibacias a jusante ou laterais. Isso foi feito com o uso do software
Excel, considerando-se o quadrante em que a minibacia de destino está em relação a
de origem. Enquanto o 𝐴𝑧𝑣𝑖 que é o azimute da direção do vento na minibacia i é
informado pelos próprios órgãos que geram os dados. Durante a fase de execução
foram inseridas séries históricas de direção e velocidade do vento e estas informações
estão descritas a seguir.
60
4.6.1 Dados de direção e velocidade do vento
4.6.1.1 Estações convencionais
Os dados de direção e velocidade do vento foram obtidos através do portal
BDMEP do Instituto Nacional de Meteorologia (INMET) de estações meteorológicas
que estão localizadas na Figura 19.
Figura 19 - Localização das estações meteorológicas convencionais.
A Figura 20 mostra os números de medições diárias disponíveis para cada um
dos postos, Pelotas, Rio Grande e Santa Vitória do Palmar no período entre 1990 e
2015. Nos postos as medições eram em 3 horários diários, às 00:00, 12:00 e 18:00
UTC e estão disponíveis para o período de calibração com um número elevado de
falhas em 2015 para a estação de Rio Grande e entre 1990 e 1992 em todos os postos.
61
Figura 20 - Quantidade de medições diárias disponíveis para os postos de Pelotas, Rio Grande e Santa Vitória do Palmar no período entre 1990 a 2015.
A Tabela 3 apresenta a análise geral dos dados de vento em cada posto, o que
inclui o período de dados bem como a velocidade mínima, máxima e média e a direção
predominante. Como era esperado, as estações de Rio Grande e Pelotas possuem
mesma direção predominante (Nordeste), dada a proximidade entre as duas regiões.
Tabela 3 - Análise geral dos estações convencionais utilizadas.
4.6.1.2 Estações automáticas
As estações automáticas situadas próximas a Lagoa Mirim foram visualizadas
no site do INMET. Os dados horários de direção e velocidade do vento destas
estações foram obtidos mediante solicitação ao órgão.
A localização das estações utilizadas está representada na Figura 21.
Posto Meteorológico Data
Mínima Data
Máxima
Velocidade (m.s-1) Direção (◦)
Mínima Máxima Média Moda
Rio Grande 01/01/1991 19/01/2015 0 21 3,0887 45 Pelotas 01/01/1994 31/12/2015 0 17,5 3,2837 45
Santa Vitória do Palmar 01/01/1992 27/11/2015 0 20 3,9229 135
62
Figura 21 - Localização dos postos meteorológicos automáticos mais próximos à Lagoa Mirim.
O número de medições por dia disponíveis em cada um dos postos está
representado na Figura 22.
Figura 22 - Disponibilidade de dados por estação por dia.
63
Observa-se que as estações com medições diárias disponibilizam uma
quantidade de dados inferiores às estações com medições sub-diárias, sendo que as
situadas em Rio Grande e Santa Vitória do Palmar também compreendem uma
disponibilidade limitada de dados nas estações automáticas.
4.6.2 Processamento dos dados de vento
O preenchimento de falhas dos dados de velocidade e direção do vento horário
foi realizado através do software Matlab enquanto o do vento sub-diário foi através do
software Excel. Para preencher às falhas de velocidade do vento sub-diário, foi
realizado, primeiramente, uma regressão linear com os dados dos horários anteriores
e posteriores do mesmo dia. Caso não existisse nenhum dado em um mesmo dia,
este era preenchido através das informações do posto mais próximo, podendo ainda
ser pelo segundo posto mais próximo caso o primeiro também apresentasse falhas no
período analisado. Quando não foi possível preencher as falhas por estes métodos,
foi considerado vento com intensidade igual a zero. O uso de dados das outras
estações também foi aplicado para preencher as falhas de dados de vento horário.
Após o preenchimento de todos os dados, estes foram interpolados usando o
software Matlab para cada minibacia através do método do vizinho mais próximo.
Cabe ressaltar que existe a necessidade de trabalhar com passos de tempo sub-diário
no módulo de propagação inercial do modelo MGB-IPH, com isso é necessário ter
dados em um período de 24h.
4.6.3 Testes de sensibilidade do modelo MGB-IPH com influência do vento
Esta fase foi realizada com o intuito de avaliar a sensibilidade e a aplicação do
modelo com a inserção do vento. A análise de sensibilidade buscou contribuir para
avaliar o quão sensível os níveis simulados são em relação à mudança do coeficiente
de atrito do vento CD de forma a achar um valor que gerasse os melhores resultados.
O modelo foi rodado com os seguintes valores de 𝐶𝐷: 2x10-6, 4x10-6, 1x10-5, 2x10-5 e
4x10-5.
No presente estudo, o melhor coeficiente de atrito do vento foi verificado com
base no comportamento da vazão de saída do sistema e nos níveis simulados, bem
64
como nas métricas de desempenho (NS, NSlog, EV, RMSE). Estes testes foram
realizados levando em consideração as informações da barragem-eclusa do canal
São Gonçalo como condição de contorno de jusante uma vez que com a utilização
destas foram observados os melhores níveis simulados. Nestes testes foram
empregados dados de vento sub-diários (três vezes ao dia) das estações
convencionais e horários das estações automáticas, permitindo a comparação dos
níveis simulados empregando a simulação do modelo com cada conjunto de dados.
5 Resultados e discussão
5.1 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB-IPH sem
a inclusão da influência do vento
5.1.1 Métricas de desempenho das vazões simuladas
A Tabela 4 apresenta os resultados das métricas de desempenho NS, NSlog e
ΔV do modelo MGB-IPH em relação às vazões simuladas. Em geral, o modelo
apresentou um bom desempenho, sendo o NS maior que 0,5 para a maioria dos
postos. São estes, no lado Uruguaio, Puente Ruta 8 (Vieja), Picada de Corbo, Paso
Borches e Paso Dragon e, no Brasil, Picada da Areia, Pedro Osório, Passo dos Carros
e Ponte Cordeiro de Farias.
Nos postos Vergara, India-Muerta, Puente R.13, Passo Del Avestruz e Passo
Averías, localizados no Uruguai, o modelo apresentou um baixo desempenho em
relação às vazões de pico, tendo bons resultados apenas na simulação das vazões
de base no posto Vergara e Passo Del Avestruz. Isto pode estar associado à menor
resolução do mapa de URH na região do Uruguai ou à uma menor disponibilidade de
dados das estações pluviométricas na região. Ainda, pode haver dados incorretos
quanto às medições fluviométricas.
Tabela 4 - Postos fluviométricos e suas métricas de desempenho para o periodo de 1990 à 2015. Código Nome Rio NS Nslog ∆V (%)
10 Puente Ruta 8 (Vieja) Río Olimar Grande 0.529 0.623 3.514
14 Picada de Corbo Río Cebollatí 0.602 0.681 4.717
15 Paso Averías Río Cebollatí 0.407 0.633 -7.422
96 Paso Borches Río Tacuarí 0.646 0.681 9.253
97 Paso Dragón Río Tacuarí 0.619 0.623 9.915
100 Paso Centurión Río Yaguarón 0.275 0.551 18.569
109 Vergara Arroyo Parao 0.345 0.535 -4.761
111 India Muerta-Puente R.13 Arroyo India Muerta 0.175 0.228 -17.013
128 Paso Del Avestruz Arroyo Del Aiguá 0.216 0.569 -46.688
88220000 Picada da Areia Rio Jaguarão 0.587 0.625 -6.038
88575000 Cerro Chato Arroio Basílio 0.392 0.642 -47.577
88641000 Pedro Osório Rio Piratini 0.585 0.692 18.341
88750000 Passo dos Carros Arroio Fragata 0.572 0.609 3.007
88850000 Ponte Cordeiro de Farias Arroio Pelotas 0.579 0.442 27.048
Média 0.47 0.58 -2.51
Máximo 0.65 0.69 27.05
Minimo 0.18 0.23 -47.58
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%). Estatística calculada com base nos valores absolutos.
66
Em relação aos valores de NSlog (Figura 23), nota-se que o modelo apresentou
um bom desempenho na maioria dos postos (mais de 60%) da bacia Mirim-São
Gonçalo, com valores médios de 0,58. Tais valores apresentaram-se melhores do que
os valores de NS e indicam um bom ajuste das vazões mínimas.
Também é mostrado um bom desempenho do modelo em ambos os postos no
rio Tacuarí, com valores superiores a 0,6. Já os postos localizados nos rios Arroyo
India Muerta e Arroio Pelotas tiveram valores insatisfatórios de NSlog, provavelmente
devido à menor quantidade de dados pluviométricos disponíveis nestas estações ou
até mesmo pela incapacidade do modelo de representar a região por ausência de
algum processo que ocorra neste ambiente.
Figura 23- Valores do coeficiente de Nash-Sutcliffe (NS) do logaritmo das vazões.
A Figura mostra os valores de erro do volume (ΔV). Os melhores resultados de
ΔV foram os valores entre -10% e 10%. Os maiores erros ocorreram nos postos dos
rios Arroyo Del Aiguá (-46,88%), Arroio Basílio (-47,77%) e Arroio Pelotas (27,04%).
Percebe-se que, de maneira geral, o modelo apresentou um bom desempenho para
esta métrica.
67
Figura 24- Valores do erro do volume (%).
5.1.2 Hidrogramas calibrados
A Figura 25 apresenta os hidrogramas observados e simulados nos rios Olimar
Grande e Cebollatí e a Figura 26 nos rios Tacuarí e Arroyo India Muerta da bacia
Mirim-São Gonçalo no período com dados entre 1990 e 2015. Verifica-se a
subestimativa dos picos de vazão no rio Olimar Grande, embora o mesmo tenha
apresentado uma boa concordância com as vazões de base, a partir dos resultados
obtidos nas métricas de desempenho.
Os picos dos hidrogramas simulados do rio Cebollatí (Figuras 25b e 25c)
ficaram subestimados em relação aos observados. Observa-se ainda, nos períodos
de recessão, que o ajuste do modelo foi satisfatório na calibração, o que evidencia o
bom desempenho do mesmo na simulação de vazões mínimas.
Entretanto, verifica-se também nos hidrogramas que o posto fluviométrico
Picada de Corbo (Figura 25b) representa melhor o regime hidrológico, tanto para os
picos de vazão quanto para a vazão de base, quando comparado com o hidrograma
do posto Paso Averías (Figura 25c) no mesmo período da calibração, refletindo em
índices de NS e NSlog melhores.
68
O rio Tacuarí é um outro importante contribuinte da bacia Mirim-São Gonçalo.
Observando as Figuras 26d e 26e, verifica-se que as mesmas apresentam
comportamento similar entre elas, havendo nos dois postos fluviométricos uma ótima
correlação entre os dados observados e simulados com o modelo. Nota-se também
que o modelo obteve boa representação na maioria das datas, entretanto, em outras
o desempenho continua prejudicado podendo ser devido a difícil execução da
calibração em função da menor quantidade de dados de chuva na região sul da bacia,
no lado do Uruguai. A vazão simulada pelo modelo depende diretamente da chuva
que incide sobre a bacia, ou seja, isso faz com que quanto maior a quantidade de
postos disponíveis nesta região, maior seja a capacidade do modelo de representar a
chuva que comprovadamente incidiu sobre a bacia.
O rio Arroyo India Muerta está situado no Departamento de Rocha, no Uruguai.
Ao analisar o hidrograma observado (Figura 26f) é possível verificar um número
elevado de vazões de pico entre 1993 e 1996 devido à intensa concentração da
precipitação nestes anos, o que torna difícil o ajuste do modelo em função da resposta
mais rápida da bacia aos eventos consecutivos de precipitação. Verifica-se também
nos hidrogramas, a superestimava das vazões mínimas. Provavelmente o mau ajuste
observado, tanto para as vazões mínimas como para as máximas, seja novamente
pela menor quantidade de dados de chuva nas áreas de abrangência da bacia
hidrográfica, na porção uruguaia.
69
Figura 25 - Hidrogramas observados e simulados nos rios Olimar Grande e Cebollatí da bacia Mirim-São Gonçalo no período com dados entre 1990 e 2015.
Figura 26 - Hidrogramas observados e simulados nos rios Tacuarí e Arroyo India Muerta da bacia Mirim-São Gonçalo no período com dados entre 1990 e 2015.
70
A Figura 27 apresenta os hidrogramas observados e simulados nos rios
Jaguarão e Piratini da bacia Mirim-São Gonçalo no período com dados entre 1990 e
2015. Na porção brasileira os principais afluentes da bacia são os rios Piratini e
Jaguarão, situados na margem esquerda (HARTMANN et al., 1986). O rio Jaguarão
divide os municípios de Jaguarão, no Brasil, e Rio Branco, no Uruguai. Constatou-se,
através da observação dos hidrogramas (Figura 27a), que a vazão de pico está
subestimada e que a ascensão é tipicamente mais rápida que a recessão. Em
contrapartida observa-se que mesmo com a escassez de dados de chuva na região,
o modelo utilizado representou de forma satisfatória as vazões em períodos de secas
com uma razoável concordância entre os hidrogramas simulado e observado.
O rio Piratini deságua no canal São Gonçalo e é considerado um dos principais
elementos de controle da vazão do canal em direção a Laguna dos Patos
(HARTMANN; HARKOT, 1990). Observa-se uma boa correlação entre os valores
observados e simulados no rio Piratini, tanto para as vazões de base como para as
de picos, o que demonstra ser um resultado positivo em função da importância que
este rio representa para o sistema lagunar Mirim-Patos.
Figura 27 - Hidrogramas observados e simulados nos rios Jaguarão e Piratini no período com dados entre 1990 e 2015.
71
5.1.3 Período de Calibração: Níveis d’água simulados e observados
5.1.3.1 Métricas de desempenho
A Tabela 5 mostra os valores das métricas de desempenho (NS, NSlog, ΔV,
RMSE) utilizados na avaliação da comparação entre as anomalias dos níveis
simulados e observados de cada posto meteorológico. Os resultados das simulações
indicaram que o MGB-IPH em determinados postos representou corretamente os
níveis d’água e em outros não.
Tabela 5 - Métricas de desempenho da comparação entre as anomalias dos níveis simulados e observados nos postos meteorológicos.
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%); RMSE: Raiz quadrada da média aritmética do quadrado dos desvios (m).
Os valores de NS nos postos oscilaram entre 0,4354 a 0,7197, sem considerar
os postos a jusante, a montante da barragem-eclusa do canal São Gonçalo e do Porto
de Pelotas, que apresentaram os piores resultados. Essa diferença pode ser explicada
pelo fato de que importantes corpos hídricos afluem diretamente para a Lagoa Mirim,
onde o escoamento acontece apenas pelo canal São Gonçalo. Em função disso, a
não observação no presente estudo das regras e agenda de operação das 18
comportas que compõe a barragem-eclusa disposta na parte norte do canal São
Gonçalo, que impedem a intrusão de água no sentido Patos-Mirim, por não
corresponder ao objetivo proposto, pode levar a reprodução dessas oscilações.
Os melhores resultados de NSlog foram observados nos postos de Cerro
Chato, Pedro Osório e Passo dos Carros. Os valores de RMSE oscilaram de 0,7895m
no posto Picada de Areia a 0,3118m em Passo dos Carros.
Samboní (2017) também encontrou valores que se enquadram na mesma faixa
que os resultados apresentados neste estudo. O autor com o MGB-IPH acoplado com
Postos NS NSlog ∆V (%) RMSE
Picada da Areia 0,47 0,46 1,11E-13 0,79 Cerro Chato 0,44 0,47 -2,44E-13 0,38 Pedro Osório 0,70 0,74 1,11E-13 0,59 Passo dos Carros 0,62 0,63 2,22E-13 0,31 Santa Isabel 0,72 0,41 -3,22E-13 0,47 Santa Vitória do Palmar 0,67 0,20 1,67E-12 0,53 Porto de Pelotas -0,22 -0,08 -1,67E-13 0,32 Barragem-eclusa jusante -0,15 -2,00 1,78E-13 0,45 Barragem-eclusa montante -0,02 -1,70 -3,66E-13 0,43
Média 0,25 -0,63 1,33E-13 0,42
72
o modelo hidrodinâmico IPH-ECO simulou a bacia e os principais componentes
hidrodinâmicos da Lagoa Mirim. Os resultados de NS, ∆V e RMSE obtidos por
Samboní (2017) demonstram que o nível da água foi bem representado, no entanto,
com desempenho levemente maior. Valores de NS de 0,90 para a estação de Santa
Isabel e 0,91 para Santa Vitória do Palmar foram obtidos com o RMSE variando entre
0,321 a 0,355 e o ΔV entre -0,32 a -0,10.
5.1.3.2 Cotagramas
Nas Figura 28 a Figura 36 são apresentados os cotagramas dos níveis
observados e simulados para as fases de calibração em cada estação.
Observou-se que da simulação dos níveis do posto Picada da Areia,
apresentada na Figura 28, às do Porto de Pelotas, na Figura 34, o modelo apresentou
uma boa representação dos níveis observados através das anomalias simuladas, com
melhores resultados no período de estiagem nessas estações, que se localizam fora
da Lagoa (Picada da Areia, Cerro Chato, Pedro Osório e Passo dos Carros). No
período de cheia, a maioria dos eventos extremos destas estações foram
subestimados, com exceção de Porto de Pelotas.
As estações próximas à Lagoa Mirim apresentaram forte ruído na simulação,
possivelmente em virtude de ser um ambiente de baixa declividade com um grande
número de afluentes que ocasiona flutuações das direções de escoamento. Já nas
estações à montante e jusante da barragem-eclusa (Figura 35 e 36) a falha na correta
representação dos níveis pode ser explicada pela mudança no tipo de ambiente de
lagoa para um canal e pelas interações que acontecem com a Laguna dos Patos logo
em seguida, com as oscilações de níveis desta podendo afetar os níveis do canal São
Gonçalo. Ainda, a ausência da simulação do vento na bacia pode ser um fator que
afeta negativamente os resultados nas estações no entorno da Lagoa Mirim e no canal
São Gonçalo.
73
Figura 28 - Cotagramas de níveis observados na estação Picada da Areia e anomalias simuladas na minibacia onde se localiza.
Figura 29 - Cotagramas de níveis observados na estação de Cerro Chato e anomalias simuladas na minibacia onde se localiza.
74
Figura 30 - Cotagramas de níveis observados na estação de Pedro Osório e anomalias simuladas na minibacia onde se localiza.
Figura 31 - Cotagramas de níveis observados na estação de Passo dos Carros e anomalias simuladas na minibacia onde se localiza.
75
Figura 32 - Cotagramas de níveis observados na estação de Santa Isabel e anomalias simuladas na minibacia onde se localiza.
Figura 33 - Cotagramas de níveis observados na estação de Santa Vitória do Palmar e anomalias simuladas na minibacia onde se localiza.
76
Figura 34 - Cotagramas de níveis observados na estação do Porto de Pelotas e anomalias simuladas na minibacia onde se localiza.
Figura 35– Cotagramas de níveis observados na estação à montante da barragem-eclusa do canal São Gonçalo e anomalias simuladas na minibacia onde se localiza.
77
Figura 36 - Cotagramas de níveis observados na estação à jusante da barragem-eclusa do canal São Gonçalo e anomalias simuladas na minibacia onde se localiza.
5.2 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB - IPH com
conexões laterais
5.2.1 Análise de sensibilidade à largura das conexões laterais
Pode-se observar nas Tabela 6 e Tabela 7 os valores das métricas de
desempenho (NS e NSlog) dos níveis observados e anomalias simuladas para os
diferentes valores de larguras de conexões laterais. De acordo com os valores de NS
e NSlog, pode-se perceber que para as estações à montante e jusante da barragem-
eclusa os melhores resultados das métricas de desempenho ocorreram quando
utilizados os valores de 10m. Valores de NS de 0,250 para a estação à montante da
barragem-eclusa e 0,160 para estação à jusante da barragem-eclusa foram obtidos
enquanto o NSlog para as mesmas foi de -0,181 e -0,468 respectivamente.
Para as demais os melhores resultados de NS foram observados para as
larguras de 500 e 1000m, o que indica que não existe um único valor que resulte nos
mesmos valores para todas as estações, simultaneamente. Percebe-se que a métrica
NSlog apresentou valores melhores para a largura de 1000m no posto de Santa Isabel
(0,463) e para 500m em Santa Vitória (0,792).
78
Tabela 6 - Nash-Sutcliffe para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.
NS Largura das conexões laterias (b)
Postos 10m 25m 50m 100m 150m 250m 500m 1000m
Barragem-eclusa montante 0,250 0,234 0,215 0,184 -0,022 0,121 0,059 -0,010
Barragem-eclusa jusante 0,160 0,144 0,124 0,093 -0,147 0,026 -0,035 -0,103
Santa Isabel 0,656 0,669 0,685 0,705 0,600 0,736 0,757 0,773
Santa Vitória 0,779 0,793 0,807 0,822 0,664 0,837 0,841 0,836
Porto -0,192 -0,192 -0,191 -0,191 -0,218 -0,190 -0,189 -0,189
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%); RMSE: Raiz quadrada da média aritmética do quadrado dos desvios (m).
Tabela 7 - NSlog para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.
NSlog Largura das conexões laterais (b)
Postos 10m 25m 50m 100m 150m 250m 500m 1000m
Barragem-eclusa montante -0,181 -0,203 -0,228 -0,268 -1,699 -0,346 -0,417 -0,480
Barragem-eclusa jusante -0,468 -0,491 -0,518 -0,559 -2,003 -0,642 -0,715 -0,778
Santa Isabel 0,328 0,340 0,357 0,379 -1,316 0,415 0,440 0,463
Santa Vitória 0,663 0,695 0,724 0,753 0,199 0,783 0,792 0,790
Porto -0,055 -0,055 -0,055 -0,053 -0,078 -0,054 -0,054 -0,055
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%); RMSE: Raiz quadrada da média aritmética do quadrado dos desvios (m).
Nas Tabela 8 e Tabela 9 são apresentados os valores das métricas de
desempenho (ΔV e RMSE) dos níveis observados e anomalias simuladas para os
diferentes valores de larguras de conexões laterais. Percebe-se que, para as estações
barragem-eclusa montante e Porto, os melhores resultados de ΔV ocorreram quando
utilizados os valores de 500m. Já nas estações Santa Isabel e Santa Vitória o melhor
valor de largura para o ΔV foi de 50m. Quando utilizados valores de 250m, ocorreu
uma melhora para a métrica RMSE nos postos de Santa Isabel, Santa Vitória e Porto.
Tabela 8 - Erro do volume para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.
ΔV (%) Largura das conexões laterais (b)
Postos 10m 25m 50m 100m 150m 250m 500m 1000m
Barragem-eclusa montante -2,4E-13 -6,1E-13 7,8E-13 2,7E-13 -3,7E-13 -1,4E-12 8,9E-14 -4,1E-13
Barragem-eclusa jusante -3,0E-13 -6,1E-13 8,4E-13 2,2E-13 1,8E-13 -1,4E-12 3,8E-13 -5,7E-13
Santa Isabel -1,6E-13 2,0E-13 2,2E-14 2,4E-13 -2,7E-13 1,1E-13 -1,3E-13 -2,6E-13
Santa Vitória -8,0E-13 -3,9E-13 -2,4E-13 -3,6E-13 1,7E-12 -4,6E-13 -8,4E-13 8,2E-13
Porto -3,6E-13 1,1E-13 4,4E-14 -3,4E-13 -1,7E-13 -1,2E-13 2,2E-14 2,7E-13
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%); RMSE: Raiz quadrada da média aritmética do quadrado dos desvios (m).
79
Tabela 9 - RMSE para diferentes larguras de conexões laterais. Melhores valores das métricas para cada posto encontram-se destacado em verde.
RMSE (m) Largura das conexões laterais (b)
Postos 10m 25m 50m 100m 150m 250m 500m 1000m
Barragem-eclusa montante 0,373 0,377 0,382 0,389 0,435 0,404 0,418 0,433
Barragem-eclusa jusante 0,389 0,393 0,397 0,404 0,455 0,418 0,432 0,446
Santa Isabel 0,517 0,507 0,494 0,478 0,557 0,452 16,785 15,012 Santa Vitória 0,430 0,416 0,402 0,386 0,530 0,369 13,453 12,655
Porto 0,322 0,322 0,322 0,322 0,326 0,321 7,956 7,365
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%); RMSE: Raiz quadrada da média aritmética do quadrado dos desvios (m).
Para definir o melhor valor de largura de conexão efetiva foi determinada a
média de todos os valores das medidas de desempenho em cada estação, conforme
mostra a Tabela 10. Na mesma tabela também são apresentados os valores das
métricas de desempenho para a simulação sem conexão lateral.
Tabela 10 - Médias das métricas de desempenho para as simulações com e sem conexões laterais. Melhores resultados em verde.
Médias das métricas de desempenho
Largura da Conexão NS NSlog ΔV RMSE
Sem conexão lateral 0,2549 -0,6336 1.33E-13 0,4206
10 0,33054 0,05743 -3,71E-13 0,40609
25 0,32978 0,05722 -2,60E-13 0,40286
50 0,32789 0,05579 2,89E-13 0,39949
100 0,32269 0,05012 6,66E-15 0,39593
150 0,17558 -0,97949 2,09E-13 0,46049
250 0,30670 0,03083 -6,39E-13 0,39308
500 0,28663 0,00894 -9,77E-14 7,80854
1000 0,26142 -0,01192 -2,89E-14 7,18196
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%); RMSE: Raiz quadrada da média aritmética do quadrado dos desvios (m).
De acordo com os valores observados, a medida que obteve o melhor
incremento com a mudança da largura foram os coeficientes NSlog e RMSE para a
largura de 100m. Nesse valor, o coeficiente de Nash-Sutcliffe melhora apenas 0,008
em relação à melhor largura para essa métrica, de 10m. Todos os valores do erro de
volume foram extremamente baixos. Assim, foi adotada a largura de 100m para a
conexão lateral por ter resultado o melhor incremento geral para as métricas
simuladas em todas estações.
A Figura 37 apresenta os hidrogramas simulados no exutório da bacia Mirim-
São Gonçalo nas condições sem (azul) e com conexão lateral (vermelho) de 100m.
80
Figura 37 - Vazão simulada na condição de declividade constante de 0,005 m.km-1 (em azul) e com a conexão lateral de 100 (em vermelho) sem a introdução do vento.
Nota-se que, apesar de o comportamento das vazões serem praticamente
idênticos em termos de subidas e recessões, a inclusão das conexões laterais levou
a vazões mais baixas em todos os intervalos de tempo simulados. Isto pode ser
atribuído justamente às trocas laterais que ocorrem entre as minibacias, sem que a
água flua diretamente para a minibacia de jusante, comportamento esperado em
lagoas. Desta forma pode-se dizer, verificando-se esse comportamento e pelo
observado nas estações linimétricas, que as vazões são mais bem representadas
após a inclusão das conexões laterais, ainda que não exista no local uma estação
fluviométrica que permita essa comprovação diretamente.
5.3 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB - IPH com
as condições de contorno
A fim de avaliar qual condição de contorno adotada gerou os melhores
resultados na modelagem hidrológica, foram realizadas as comparações visuais entre
as áreas alagadas pelo modelo com as observadas na realidade em imagens de
satélite. Na Figura 38 são apresentadas composições das bandas 4, 5 e 6 do satélite
Landsat 8 em um dia de estiagem (24/05/2018) e das bandas 3, 4 e 5 do satélite
Landsat 5 em um dia de cheia (27/09/2000) para a região do entorno do canal São
81
Gonçalo. Já as Figuras 39, 40 e 41 mostram as áreas alagadas pelo modelo MGB-
IPHpara toda a bacia simulada em um dia de estiagem, em 24 de março de 2005
(imagens à direita), e um dia de cheia (imagens à esquerda) em 27 de abril de 2002.
Ao comparar os resultados à imagem apresentada na Figura 38 percebe-se
que a inundação foi mais bem representada pelo modelo quando utilizada a condição
de jusante da barragem-eclusa (Figura 40), apesar de ter superestimado um pouco
no período de seca na região do canal. Nota-se que, em todas as condições de
jusante, mesmo em dias de seca, o modelo continuou representando a área alagada
da Lagoa Mirim de maneira satisfatória e dentro dos seus limites.
Através da análise visual das figuras pode-se verificar também que o modelo
representa as áreas alagadas nas regiões de planícies dos rios Jaguarão, Tacuarí e
Cebollatí. Devido ao bom desempenho do modelo na representação das planícies de
inundação da Lagoa Mirim e seus afluentes quando considerado a condição de
jusante da barragem-eclusa do canal São Gonçalo, pode-se notar a interação do
maior complexo lagunar da América do Sul, o Mirim-Patos-Mangueira.
Figura 38 - Área alagada no canal São Gonçalo em um dia de seca (imagem à esquerda) e um de cheia (imagem à direita).
82
Figura 39 - Comparação área alagada na condição de declividade constante de 0,005 m.km-1 (dia de cheia na imagem à esquerda) e dia de seca (imagem à direita) na Lagoa Mirim e seus afluentes.
Figura 40 - Comparação área alagada simulada na condição de jusante da barragem-eclusa (dia de cheia na imagem à esquerda) e dia de seca (imagem à direita) na Lagoa Mirim e seus afluentes.
83
Figura 41 - Comparação área alagada simulada na condição de declividade constante de 20m (dia de cheia na imagem à esquerda) e dia de seca (imagem à direita) na Lagoa Mirim e seus afluentes.
A Tabela 11 apresenta as métricas de desempenho das anomalias dos níveis
com a condição de jusante da barragem-eclusa. Observa-se que houve melhoria
significativa no NS das estações da barragem-eclusa montante e jusante e Porto
quando comparada com as simulações apenas com as conexões laterais. Já nas
estações Santa Isabel e Santa Vitória a melhoria não foi tão pronunciada. Em geral,
as estações apresentaram um ótimo NSlog com o uso da condição de jusante,
também com aumento se comparado com as simulações apenas com as conexões
laterais. Isso evidencia a forte influência dos níveis da Laguna dos Patos sobre os
níveis da Lagoa Mirim e do canal São Gonçalo.
Tabela 11 - Métricas de desempenho das anomalias dos níveis com a condição de jusante da barragem-eclusa do canal São Gonçalo.
Postos Condição de jusante da barragem-eclusa do canal São Gonçalo
NS NSlog ΔV(%) RMSE
Barragem-eclusa montante 0,9477 0,9189 1,31E-12 0,0985
Barragem-eclusa jusante 0,9991 0,9991 1,24E-12 0,0125
Santa Isabel 0,7953 0,7394 2,66E-13 0,3983
Santa Vitória 0,8464 0,8122 8,88E-13 0,3584
Porto 0,6515 0,5693 -9,10E-13 0,1742
NS: Coeficiente de eficiência Nash-Sutcliffe; NSlog: Coeficiente de Nash-Sutcliffe do logaritmo das vazões; ΔV: Erro de volume (%); RMSE: Raiz quadrada da média aritmética do quadrado dos desvios (m).
84
Cabe ressaltar que os mapas de inundação apresentados foram gerados com
a metodologia convencional, sem a utilização do modelo HAND, mais recentemente
incorporado ao MGB-IPH. Dessa forma, a fim de avaliar as diferenças entre a máxima
e mínima área inundada nas duas técnicas, foram aplicadas as duas metodologias e
comparadas ao produto Global Surface Water (GSW).
A Figura 42(a) apresenta o mapa referente a máxima área inundada registrada
pelo GSW e a Figura 42(b) representa as áreas inundadas geradas pelo MGB-IPH
nas duas técnicas distintas (convencional e HAND) em sobreposição. Através destas
é possível constatar a existência de áreas inundadas equivalentes, registradas em
ambas as técnicas, ainda que o modelo de terreno HAND apresente maior área
inundada, conforme é apresentado na Tabela 12.
Figura 42–Mapa da máxima área inundada registrado pelo GSW (a); Máximas áreas inundadas calculadas pelo MGB-IPH sobrepostas (b) (convencional e HAND).
A Tabela 12 apresenta a porcentagem de sobreposição destas áreas geradas
pelo MGB-IPH em relação ao GSW. Percebe-se que em relação a área total de cada
modelo, o convencional apresentou maior porcentagem de sobreposição, de 79.18%
contra 74.80% do modelo com a utilização do HAND.
(a) (b)
85
Tabela 12 - Áreas totais da máxima área inundada e porcentagens de sobreposição em relação ao GSW.
Metodologias Área total (km²) Sobreposição (%)
GSW 6942, 550 100
Convencional 8526, 925 79,18
HAND 8977, 157 74,80
A Figura 43(a) mostra a mínima área inundada pelo GSW e a Figura 43(b) as
mínimas áreas inundadas geradas pelo MGB-IPH nas duas técnicas distintas
(convencional e HAND) em sobreposição. Novamente houve grande sobreposição da
área inundada entre as duas técnicas, mas, no entorno do canal São Gonçalo, o uso
da metodologia com o uso do HAND alagou menos locais, ficando mais coerente com
o produto GSW e o observado nas imagens de satélite. Já ao redor da lagoa, o uso
do HAND alagou mais áreas.
Figura 43 - Mapa da mínima área inundada registrado pelo GSW (a); Mínimas áreas inundadas calculadas pelo MGB-IPH sobrepostas (b) (convencional e HAND).
Dessa forma, ambos tiveram porcentagens semelhantes de sobreposição ao
GSW, como mostra a Tabela 13.
(a) (b)
86
Tabela 13 - Áreas totais da mínima área inundada e porcentagens de sobreposição em relação ao GSW.
Metodologia Área total (km²) Sobreposição (%)
GSW 4.850,199 100
Convencional 6.322,782 75, 92
HAND 6.251,932 76, 39
A Figura 44 apresenta os hidrogramas simulados com a condição de jusante
da barragem-eclusa (vermelho) e sem a condição de jusante (azul), ambos com
conexão lateral de 100m de largura. Através da análise dos hidrogramas, pode-se
verificar que ao incluir a condição de jusante o hidrograma foi mais sensível aos
ruídos, com alterações abruptas entre os dias simulados. Também se percebe que,
no começo da simulação, a existência prévia de níveis a jusante leva a altas vazões
negativas, mas que logo são normalizadas pela simulação. Os demais valores
negativos indicam que haveria fluxo da Laguna dos Patos em direção à Lagoa Mirim,
situação que não ocorre sem a introdução da condição de jusante.
Essa simulação confere com as condições naturais observadas, já que ocorre
fluxo invertido no canal São Gonçalo, de jusante para montante (da Laguna dos Patos
para Lagoa Mirim), em alguns períodos do ano, forçado pelas precipitações na bacia,
pela direção dos ventos e demais influências climáticas (El Niño e La Niña). Essa foi
a condição que conferiu necessidade de construção da barragem e eclusa no canal
São Gonçalo, impedindo a intrusão salina para montante do canal, na direção da
Lagoa Mirim, possibilitando usos múltiplos da água nessa vasta região, em especial
para a irrigação e abastecimento público.
87
Figura 44 - Vazão simulada com a condição de jusante da barragem-eclusa (em vermelho) e sem condição de jusante (em azul).
5.4 Modelagem da bacia hidrográfica Mirim-São Gonçalo com o MGB - IPH com
a inclusão da influência do vento
5.4.1 Modelo com inclusão do vento e dados sub-diários
Os resultados referentes às métricas de desempenho obtidas no teste de
sensibilidade do modelo ao coeficiente de atrito do vento CD nas simulações com
vento com informações em nível sub-diário estão apresentados nas Tabela 14 à
Tabela 17. Essas simulações foram realizadas com a condição de jusante da
barragem-eclusa e com conexão lateral de 100m de largura do canal fictício. Também
são apresentados nessas tabelas as métricas da simulação sem vento, encontradas
na etapa 2. Os valores analisados de CD foram 2x10-6, 4x10-6, 10x10-6, 20x10-6 e
40x10-6. Estes valores foram escolhidos por estarem no intervalo utilizado na literatura,
sendo o de 4x10-6 o mais observado (PAZ et al., 2005).
Conforme pode ser verificado nas tabelas, o uso do coeficiente de atrito de
2x10-6 foi o que resultou melhores métricas de desempenho, com exceção do erro do
volume, que é extremamente baixo em todas as estações de nível. Em comparação
88
com a simulação sem o vento, nota-se a grande melhoria e excelentes resultados nas
métricas de desempenho no modelo com a simulação do vento.
Tabela 14 - Coeficiente de Nash-Sutcliffe das anomalias dos níveis sub-diários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
Nash-Sutcliffe Condição jusante sem vento
Coeficiente de atrito do vento CD(E-06)
Postos 2 4 10 20 40
Barragem-eclusa montante 0,9477 0,9921 0,9920 0,9919 0,9916 0,9908
Barragem-eclusa jusante 0,9991 0,9990 0,9990 0,9988 0,9979 0,9945
Santa Isabel 0,7953 0,9626 0,9621 0,9602 0,9571 0,9511
Santa Vitória 0,8464 0,9742 0,9738 0,9717 0,9673 0,9561
Porto 0,6515 0,9808 0,9807 0,9802 0,9787 0,9742
Tabela 15 - Coeficiente de Nash-Sutcliffe do logaritmo das anomalias dos níveis sub-diários (NSlog) para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
NSlog Condição jusante sem vento
Coeficiente de atrito do vento CD (E-06)
Postos 2 4 10 20 40
Barragem-eclusa montante 0,9189 0,8356 0,8349 0,8327 0,8291 0,8205
Barragem-eclusa jusante 0,9991 0,9988 0,9988 0,9984 0,9969 0,9913
Santa Isabel 0,7394 0,7665 0,7625 0,7489 0,7275 0,6863
Santa Vitória 0,8122 0,7903 0,7853 0,7656 0,7279 0,6367
Porto 0,5693 0,7570 0,7561 0,7487 0,7256 0,6424
Tabela 16 - Erro de volume (ΔV) das anomalias dos níveis sub-diários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
ΔV(%) Condição jusante sem vento
Coeficiente de atrito do vento – CD (E-06)
Postos 2 4 10 20 40
Barragem-eclusa montante 1,31E-12 -9,4E-13 -1,9E-13 -5,1E-12 6,7E-14 1,9E-12
Barragem-eclusa jusante 1,24E-12 -1,7E-12 -7,5E-13 -6,7E-12 7,1E-13 2,4E-12
Santa Isabel 2,66E-13 -3,0E-12 1,2E-12 1,1E-12 -7,4E-13 -9,5E-13
Santa Vitória 8,88E-13 -1,7E-12 -9,3E-13 -9,9E-13 1,7E-12 7,5E-13
Porto -9,10E-13 -3,01 -3,01 -3,0 -2,9 -2,94
Tabela 17 - Raiz da média dos erros quadráticos (RMSE) das anomalias dos níveis sub-diários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
RMSE (m) Condição jusante sem vento
Coeficiente de atrito do vento – CD (E-06)
Postos 2 4 10 20 40
Barragem-eclusa montante 0,0985 0,1010 0,1013 0,1023 0,1042 0,1089
Barragem-eclusa jusante 0,0125 0,0132 0,0133 0,0147 0,0194 0,0315
Santa Isabel 0,3983 0,3739 0,3765 0,3858 0,4006 0,4274
Santa Vitória 0,3584 0,3528 0,3555 0,3690 0,3971 0,4601
Porto 0,1742 0,1736 0,1737 0,1748 0,1783 0,1890
Da Figura 45 à Figura 54 estão apresentados os cotagramas das anomalias
simuladas e ajustadas pela média dos níveis observados com a inclusão do efeito do
vento a partir de informações sub-diárias, considerando CD igual a 2x10-6, bem como,
os próprios dados observados em cada estação de nível. Também são apresentados
zooms em cada estação para melhor visualização dos cotagramas.
89
A análise visual permite verificar que os níveis simulados com a inclusão do
vento, em vermelho, acompanham muito bem os níveis observados, em azul, em
todas as estações linimétricas. Os níveis simulados, porém, não apresentam o mesmo
ruído que os dados observados nas estações de Santa Isabel e Santa Vitória do
Palmar, ficando mais suavizados em relação a esses. Na estação da barragem-eclusa
jusante, a partir do qual os níveis foram utilizados como condição de jusante, os níveis
observados e simulados foram praticamente idênticos.
Figura 45 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa jusante.
90
Figura 46 – Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa jusante.
Figura 47 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa montante.
91
Figura 48 – Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa montante.
Figura 49 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto do Porto de Pelotas.
92
Figura 50 – Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto do Porto de Pelotas.
Figura 51 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Isabel.
93
Figura 52 - Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Isabel.
Figura 53 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar.
94
Figura 54 - Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento a partir de informações sub-diárias e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar.
A Figura 55 apresenta o hidrograma das vazões simuladas na condição da
barragem-eclusa jusante, em azul, e com a inclusão do vento sub-diário para a mesma
condição, em vermelho. A Figura 56 mostra um zoom deste hidrograma a fim de
facilitar a visualização. Observa-se que, de maneira geral, as vazões simuladas são
muito parecidas entre si. Entretanto, ao incluir o vento, houve um leve aumento das
vazões máximas e uma diminuição das vazões mínimas.
95
Figura 55 - Vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento sub-diário (em vermelho).
Figura 56 - Zoom sobre a vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento sub-diário (em vermelho).
96
5.4.2 Modelo com inclusão do vento e dados horários disponíveis em estações
automáticas
Os resultados referentes às métricas de desempenho obtidas no teste de
sensibilidade do modelo ao coeficiente de atrito do vento CD nas simulações com vento
com informações em nível horário disponível em estações automáticas estão
apresentados na Tabela 18 à Tabela 21. Essas simulações foram realizadas com a
condição de jusante da barragem-eclusa e com conexão lateral de 100 metros de
largura do canal fictício. Também são apresentados nessas tabelas as métricas da
simulação sem vento, encontradas na etapa 2. Os valores analisados de CD foram
2x10-6, 4x10-6, 10x10-6, 20x10-6 e 40x10-6.
Da mesma forma que nas simulações com informações de vento sub-diário o
melhor coeficiente de atrito do vento foi 2x10-6, também foi observado este mesmo
resultado no modelo com inclusão do vento e dados horários. A única estação em que
isso não ocorreu foi a de Santa Vitória do Palmar, na qual o maior coeficiente NS e
RMSE foi o de 4x10-6, com valores de 0,8526 e 0,3511, respectivamente.
Diferentemente do que foi observado na modelagem da bacia Mirim-São
Gonçalo com o uso de dados sub-diários, a inclusão de informações horárias não
acarretou uma melhora tão pronunciada quanto na simulação anterior. Cabe ressaltar
que o modelo apresenta vazões e níveis em intervalo de tempo diário, assim como os
dados observados, o que pode explicar porque a maior discretização das informações
do vento não ocasionou melhores resultados, além de o fato de não serem os mesmos
conjuntos de estações em ambas simulações.
Lopes et al. (2018) mostraram que a inclusão do coeficiente do atrito do vento
no módulo de propagação inercial de vazão do modelo hidrológico-hidráulico de
grande escala (MGB-IPH) trouxe benefícios na representação dos níveis d’água
simulados na bacia hidrográfica da Laguna dos Patos. No entanto, o melhor valor de
CD avaliado no teste de sensibilidade foi o de 10x10-6, com melhorias associadas a
todos os postos modelados com o uso de dados horários do vento, o que indica a
importância de testar outras configurações no sistema como o coeficiente de atrito do
vento ou outras fontes de dados de vento.
97
Tabela 18 - Coeficiente de Nash-Sutcliffe para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
NS Postos Condição jusante Coeficiente de atrito do vento CD (E-06)
sem vento 2 4 10 20 40
Barragem-eclusa montante 0,9477 0,9464 0,9463 0,9458 0,9448 0,9416
Barragem eclusa jusante 0,9991 0,9990 0,999 0,9988 0,9981 0,9953
Santa Isabel 0,7953 0,8216 0,8201 0,8139 0,8007 0,7694
Santa Vitória 0,8464 0,8523 0,8526 0,8509 0,8393 0,7962
Porto 0,6515 0,8002 0,7989 0,7911 0,7702 0,7094
Tabela 19 - Coeficiente de Nash-Sutcliffe do logaritmo das anomalias dos níveis horários(NSlog) para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
NSlog Condição jusante sem vento
Coeficiente de atrito do vento – CD (E-06)
Postos 2 4 10 20 40
Barragem-eclusa montante 0,9189 0,8362 0,8360 0,8353 0,8338 0,8298
Barragem-eclusa jusante 0,9991 0,9985 0,9984 0,9980 0,9965 0,9912
Santa Isabel 0,7394 0,7628 0,7609 0,7529 0,7372 0,7017
Santa Vitória 0,8122 0,7900 0,7918 0,7935 0,7866 0,7510
Porto 0,5693 0,7567 0,7549 0,7441 0,7130 0,6119
Tabela 20 - Erro de volume (ΔV) das anomalias dos níveis horários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
ΔV(%) Condição jusante sem vento
Coeficiente de atrito do vento –CD (E-06)
Postos 2 4 10 20 40
Barragem-eclusa montante 1,31E-12 -3,3E-12 -8,3E-12 -1,9E-12 1,3E-13 2,0E-12
Barragem-eclusa jusante 1,24E-12 -3,3E-12 -9,1E-12 -2,2E-12 3,3E-13 2,0E-12
Santa Isabel 2,66E-13 -1,8E-13 -5,1E-13 -1,8E-13 -1,7E-13 9,5E-13
Santa Vitória 8,88E-13 1,5E-12 9,1E-13 -1,1E-14 -9,5E-13 1,4E-12
Porto -9,10E-13 -3,019 -3,008 -2,977 -2,933 -2,868
Tabela 21 - Raiz da média dos erros quadráticos (RMSE) das anomalias dos níveis horários para diferentes valores de CD. Melhores resultados de cada estação destacados em verde.
RMSE (m) Condição jusante sem vento
Coeficiente de atrito do vento – CD (E06)
Postos 2 4 10 20 40
Barragem-eclusa montante 0,0985 0,1008 0,1009 0,1013 0,1023 0,1052
Barragem-eclusa jusante 0,0125 0,0132 0,0133 0,0144 0,0185 0,0292
Santa Isabel 0,3983 0,3735 0,3750 0,3815 0,3948 0,4246
Santa Vitória 0,3584 0,3515 0,3511 0,3532 0,3666 0,4129
Porto 0,1742 0,1736 0,1738 0,1751 0,1793 0,1914
A Figura 57 apresenta o hidrograma das vazões simuladas na condição da
barragem-eclusa jusante, em azul, e com a inclusão do vento horário para a mesma
condição, em vermelho. A Figura 58 mostra um zoom deste hidrograma a fim de
facilitar a visualização. A partir da análise visual das figuras, nota-se um
comportamento similar aos hidrogramas simulados com o vento sub-diário, ou seja,
vazões simuladas semelhantes com um leve aumento das vazões máximas e uma
diminuição das vazões mínimas com a inclusão do vento.
98
Figura 57 - Vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento horário (em vermelho).
Figura 58 - Zoom das vazões simuladas na condição de jusante da barragem-eclusa (em azul) e com a introdução do vento horário (em vermelho).
Da Figura 59 à Figura 68 estão plotados os cotagramas das anomalias
simuladas com a inclusão do efeito do vento horário e níveis observados,
considerando o uso do melhor coeficiente de atrito, 2x10-6, assim como, o zoom dos
respectivos cotagramas de cada estação. Os níveis simulados no modelo com vento
99
horário apresentaram melhor concordância para as estações à montante e a jusante
da barragem-eclusa. Já no posto de Porto de Pelotas os níveis foram superestimados
nas máximas e subestimados nas mínimas. Em Santa Isabel e Santa Vitória do Palmar
ocorreu o oposto, com atenuação das máximas e aumento das mínimas.
Figura 59 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa jusante.
Figura 60–Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa jusante.
100
Figura 61 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa montante.
Figura 62– Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto da barragem-eclusa montante.
101
Figura 63 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto do Porto de Pelotas.
Figura 64–Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto do Porto de Pelotas.
102
Figura 65 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Isabel.
Figura 66 - Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Isabel.
103
Figura 67 - Cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar.
Figura 68 - Zoom sobre os cotagramas das anomalias simuladas com a inclusão do efeito do vento horário e níveis observados, considerando CD igual a 2x10-6, no posto de Santa Vitória do Palmar.
Da Figura 69 à Figura 73 podem ser observadas as evoluções das métricas de
desempenho NS, NSlog e RMSE nas diferentes estações linimétricas ao longo das
diferentes modelagens realizadas. De acordo com os valores apresentados, a gradual
incorporação de complexidade e informações ao modelo trouxe benefícios na
104
representação dos níveis d’água da bacia nos locais analisados. A melhora mais
pronunciada ocorreu quando inserida a condição de jusante da barragem-eclusa do
canal São Gonçalo. A partir daí, o melhor desempenho foi observado com a inclusão
do efeito do vento em informações sub-diárias. Houve ainda uma melhora menos
significativa nos valores referentes a simulação com o uso de dados de vento horário.
Diferentemente do que foi observado por Munar et al. (2018), que realizaram o
acoplamento de um modelo hidrológico (MGB-IPH) com um modelo hidrodinâmico
(IPH-ECO) para avaliar a influência de forças externas como descarga fluvial e vento
na bacia da Lagoa Mirim, foi obtido no presente estudo um melhor desempenho na
representação dos níveis d’água para a estação de medição de Santa Vitória do que
para a estação de medição de Santa Isabel. De acordo com os autores, os níveis
d’água foram melhores estimados na estação de Santa Isabel, em função da forte
influência das grandes descargas fluviais de um dos principais tributários da Lagoa
Mirim, o rio Cebollati, que elevam o nível d’água na estação de Santa Vitória, conforme
observado anteriormente por Oliveira et al. (2015). Por esse motivo, o modelo
acoplado utilizado por eles não conseguiu representar tão bem os níveis em Santa
Vitória, ao contrário, do modelo integrado do presente estudo.
Möller et al. (2001) modelaram a Laguna dos Patos para simular a sua
hidrodinâmica, aplicando um modelo numérico tridimensional. Os autores analisaram
diferentes dados de vento, vazão e nível, e concluíram que, na maior parte do tempo,
quando a descarga fluvial é baixa, a Laguna tem sua circulação influenciada pelo
vento. No entanto, também foi observado que nos últimos meses do inverno, em que
há uma alta descarga, a circulação é principalmente modulada pela vazão. Já
sazonalmente, a influência das vazões define um nível d’água médio, cuja modulação
é dada, principalmente, pelo vento. Através desses resultados também pode-se
verificar o comportamento da Laguna do Patos com a influência do vento, sendo o
componente longitudinal o principal fator de influência em escalas de tempo de
passagem de sistemas frontais, entre 3 e 16 dias.
105
Figura 69 -NS, NSlog e RMSE para a estação linimétrica da barragem-eclusa montante nas diferentes simulações realizadas.
Figura 70 - NS, NSlog e RMSE para a estação linimétrica da barragem-eclusa jusante nas diferentes simulações realizadas.
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Com conexão lateral Com condição dejusante
Com vento sub-diário Com vento horário
Barragem-eclusa montante
Nash Nash-log RMSE
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Com conexão lateral Com condição dejusante
Com vento sub-diário Com vento horário
Barragem-eclusa jusante
Nash Nash-log RMSE
106
Figura 71 - NS, NSlog e RMSE para a estação linimétrica de Santa Isabel nas diferentes simulações realizadas.
Figura 72 - NS, NSlog e RMSE para a estação linimétrica de Porto de Pelotas nas diferentes simulações realizadas.
0
0.2
0.4
0.6
0.8
1
1.2
Com conexão lateral Com condição dejusante
Com vento sub-diário Com vento horário
Santa Isabel
Nash Nash-log RMSE
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Com conexão lateral Com condição dejusante
Com vento sub-diário Com vento horário
Porto de Pelotas
Nash Nash-log RMSE
107
Figura 73 - NS, NSlog e RMSE para a estação linimétrica de Santa Vitória do Palmar nas diferentes simulações realizadas.
0
0.2
0.4
0.6
0.8
1
1.2
Com conexão lateral Com condição dejusante
Com vento sub-diário Com vento horário
Santa Vitória do Palmar
Nash Nash-log RMSE
6 Considerações Finais e Conclusão
A bacia hidrográfica Mirim-São Gonçalo possui grande importância ambiental,
econômica e social, sendo que 47% de sua área total pertence ao território brasileiro
e 53% ao território uruguaio. Sua importância se deve em parte ao fornecimento de
água para o cultivo do arroz irrigado, abastecimento humano e a dessedentação de
animais. O estudo das variações de níveis e vazões que ocorrem no sistema lagunar
e no canal São Gonçalo, que liga a Lagoa Mirim à dos Patos, aponta grande
importância para compreender a hidrodinâmica de um sistema complexo como este,
bem como as interações entre as duas lagoas. Esta interação é influenciada
diretamente pela ação do vento na Lagoa Mirim e na Laguna dos Patos. Este tipo de
atuação causa desníveis entre as extremidades do sistema, levando a rebaixamentos
ou elevações dos níveis dependendo da direção e magnitude do vento.
Assim, o presente trabalho teve o propósito de melhor compreender os efeitos
do vento sobre a bacia Mirim-São Gonçalo através da aplicação do modelo MGB-IPH
bem como aferir se esse traria resultados satisfatórios para a modelagem desse
grande sistema lagunar. Para isso o trabalho foi dividido em 4 etapas. Primeiramente
o modelo foi aplicado conforme disponibilizado para os usuários e calibrado. Após, foi
incorporado ao modelo a possibilidade de trocas laterias entre as minibacias que
compuseram a porção lagunar. Os resultados dessa etapa permitiram obter o valor de
100 metros como o melhor para a largura entre as conexões. Assim pode-se baixar
consideravelmente as vazões de saída no canal São Gonçalo e obter melhores
métricas de desempenho em relação às estações linimétricas no entorno da Lagoa
Mirim e no canal.
A seguir foi avaliada qual condição de jusante forneceria os melhores
resultados à modelagem dos níveis da Lagoa. Os resultados dessa etapa
demonstraram que o melhor cenário para simulação do sistema foi com a inclusão
dos níveis observados na estação à jusante da Barragem-Eclusa. Isto foi constatado
após a comparação entre as manchas de inundação geradas pelo modelo com
aquelas observadas através do sensoriamento remoto.
Por fim, foi incorporado ao modelo a representação do efeito do vento sobre a
geração de vazão e níveis da bacia. A incorporação de níveis sub-diários melhorou
substancialmente o desempenho da modelagem. Todas as estações ao entorno da
bacia apresentaram coeficientes de Nash-Sutcliffe superiores a 0,96 e dos logaritmos
109
das vazões de 0,76. Já com os dados horários a mesma melhora não foi observada,
ainda que em algumas estações tenha ocorrido a melhoria dos níveis simulados. Isso
pode ser atribuído a diferença entre a forma de obtenção dos dados, por não serem o
mesmo conjunto de postos em ambas as simulações e pelo modelo apresentar saídas
em intervalo de tempo diário.
De maneira geral, com os resultados obtidos pode-se concluir que:
a. A inclusão das conexões laterais entre as minibacias inseridas na Lagoa
Mirim faz com que haja transferência de água entre elas, diminuindo a vazão na foz
da bacia Mirim-São Gonçalo e melhorando a simulação dos níveis d’água.
b. Ao inserir como condição de jusante os níveis observados na estação
linimétrica da barragem-eclusa do canal São Gonçalo, foi possível melhorar não só os
níveis simulados nas estações do próprio canal, como também no restante da lagoa,
demonstrando a influência da Laguna dos Patos sobre os níveis da Lagoa Mirim.
c. A partir da introdução do vento na simulação e com uso de informações de
estações convencionais, os resultados das métricas de desempenho das anomalias
dos níveis simulados em relação aos níveis observados melhoraram
significativamente, com resultados que podem ser considerados excelentes. Com o
uso de informações horárias das estações automáticas o mesmo resultado não foi
obtido.
d. O modelo MGB-IPH se mostrou capaz de simular com sucesso os níveis d’
água na bacia Mirim-São Gonçalo e demonstrou a importância da inclusão do efeito
do vento em modelos hidrológicos quando pretende-se representar os processos
hidrodinâmicos de grandes ambientes lacustres, como é o caso da região de estudo.
110
7 Recomendações
Apesar dos resultados obtidos no presente trabalho, recomenda-se ainda que
outros estudos sejam aplicados a fim de melhor descrever e representar esse sistema
lagunar e suas relações com o ambiente, podendo inclusive auxiliar na simulação de
outros locais que possuam mesmas características, ampliando assim o uso do modelo
aplicado.
Dentre as recomendações pode-se destacar:
Teste de outros conjuntos de dados de vento e de diferentes fontes para
analisar a disponibilidade, os impactos e possíveis melhorias da utilização destes;
Verificação da importância da inserção de dados de batimetria recentes
da Lagoa Mirim para a modelagem e quais benefícios seu uso trariam em relação as
estratégias empregadas no presente trabalho;
Inclusão de diversos usos da água na bacia, tais como a irrigação, que
demanda grande volume e pode influenciar os níveis e vazões.
Considerar regras de operação da barragem-eclusa do canal São-
Gonçalo, incorporando ao modelo MGB-IPH e, com isso melhor representar as trocas
entre a Lagoa Mirim e a Laguna dos Patos;
Empregar a influência do vento sobre a Lagoa Mirim para simular o
sistema da bacia da Laguna dos Patos como um todo.
Referências
AGÊNCIA NACIONAL DE ÁGUAS. Bacia Hidrográfica Amazônica.2018. Disponível em: <http://www2.ana.gov.br/Paginas/portais/bacias/amazonica.aspx>Acesso em: 28 dez. 2018. AJAMI, N. K.; GUPTA, H.; WAGENER, T.; SOROOSHIAN, S. Calibration of a semi-distributed hydrologic model for streamflow estimation along a river system. Journal of Hydrology, v. 298, n. 4, p. 112-135, 2004. AMARÍS CASTRO, G. E.; GUERRERO BARBOSA, T. E.; SÁNCHEZ ORTIZ, E. A. Comportamiento de lasecuaciones de Saint-Venant en 1D y aproximaciones para diferentes condiciones enrégimen permanente y variable. RevistaTecnura, v. 19, n. 45, p. 75-87, 2015. ARNOLD, J. G.; SRINIVASAN, R.; MUTTIAH, R. S.; WILLIAMS, J. R. Large area hydrologic modeling and assessment. Part I: Model development. Journal of the American Water Resources Association, v. 34, n. 1, p. 73-89, 1998. BATES, P. D.; HORRITT, M. S.; FEWTRELL, T. J. A simple inertial formulation of the shallow water equations for efficient two-dimensional flood inundation modelling. Journal of Hydrology, v. 387, n. 1, p. 33-45, 2010. BATHURST, J.C. Physically-Based Distributed Modelling of an Upland Catchment Using the Système Hydrologique Européen. Journal of Hydrology, v. 87, n. 1-2, p. 79-102, 1986. BATHURST, J.C.; WICKS, J.M.; O’CONNELL, P.E. The SHE/SHESED Basin Scale Water Flow and Sediment Transport Modelling System. In: V.P. Singh (editor). Computer Models of Watershed Hydrology. Computer models of watershed Hydrology, 1995. p. 563-594. BEVEN, K. J.; KIRKBY, M. J.; SCHOFIELD, N.; TAGG, A. F. Testing a Physically-based flood forecasting model (Topmodel) for three U.K. catchments. Journal of Hydrology, Amsterdam, v. 69, p. 119-143, 1984. BRÊDA, J. P. L. F. Assimilação de altimetria espacial para estimativa de batimetria e rugosidade efetivas para modelagem hidrodinâmica. 2017. 91f. Dissertação (Mestradoem Recursos Hídricos e Saneamento Ambiental) – Universidade Federal do Rio Grande do Sul, Porto Alegre, 2017. BUARQUE, D. C. Simulação da geração e do transporte de sedimentos em grandes bacias: Estudo de caso do rio Madeira. 2015. 182f. Tese (Doutorado em Recursos Hídricos e Saneamento Ambiental) – Universidade Federal do Rio Grande do Sul, Porto Alegre, 2015. CESTARI JUNIOR, E.; SOBRINHO, M. D.; OLIVEIRA, J. N. Estudo de propagação de ondas para auxiliar a elaboração do Plano de Ação Emergencial Externo, PAE. Revista Brasileira de Recursos Hídricos, v. 20, n. 3, p. 689-697, 2015.
112
CHOW, V.T.; MAIDMENT, D.R.; MAYS, L.W. Applied Hydrology. New York: McGraw-Hill Inc., 1988. CIGAGNA, C.; BONOTTO, D. M.; STURARO, J. R. Batimetria e estudo de parâmetros morfométricos do reservatório da floresta estadual “edmundo navarro de andrade” (FEENA) Rio Claro/SP. Geociências (São Paulo), v. 33, n. 4, p. 720-732, 2014. CLARK, M.P.; BIERKENS, M. F.; SAMANIEGO, L.; WOODS, R. A.; UIJLENHOET, R.; BENNETT, K. E.; PAUWELS, V. R. N.; CAI, XITITAN; WOOD, A. W.; PETERS-LIDARD, C. D. The evolution of process-based hydrologic models: Historical challenges and the collective quest for physical realism. Hydrology and Earth System Sciences, v. 21, p. 3427–3440, 2017. COLLISCHONN, B. Uso de precipitação estimada pelo satélite TRMM em modelo hidrológico distribuído.2006. 128f. Dissertação (Mestrado em Recursos Hídricos e Saneamento Ambiental) – Instituto de Pesquisas Hidráulicas, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2006. COLLISCHONN, W. Simulação hidrológica em grandes bacias. 2001. 194f. Tese (Doutorado em Recursos Hídricos e Saneamento Ambiental) – Instituto de Pesquisas Hidráulicas, Universidade Federal do Rio Grande do Sul, Porto Alegre COLLISCHONN, W.; TUCCI, C. E. M. Hydrological simulation of large drainage basins. Brazilian J. Water Resour, v. 6, n. 1, p. 15-35, 2001. COLLISCHONN, W.; ALLASIA, D.; DA SILVA, B. C.; TUCCI, C. E. The MGB-IPH model for large-scale rainfall - runoff modelling. Hydrological Sciences Journal, v. 52, n. 5, p. 878-895, 2007. COLLISCHONN, B.; PAIVA, R. C. D.; COLLISCHONN, W.; MEIRELLES, F. S. C.; SCHETTINI, E. B. C.; FAN, F. M. Modelagem hidrológica de uma bacia com uso intensivo de água: Caso do Rio Quaraí-RS. Revista Brasileira de Recursos Hídricos, v. 16, n. 4, p. 119-134, 2011. COSTI, J.; MARQUES, W. C., DE PAULA KIRINUS, E., DE FREITAS DUARTE, R.; ARIGONY-NETO, J. Water levelvariability of the Mirim-São Gonçalo system, a large, subtropical, semi-enclosedcoastalcomplex. Advances in Water Resources, v. 117, p. 75-86, 2018. COVE, K.; HOGGARTH, A. Bathymetry data and metadata migration techniques. IEEE Oceans, p. 1-7, 2010. CUNGE, J. A.; HOLLY JR, F. M.; VERWEY, A. Practical aspects of computional river hydraulics. [S.l.]: Pitman Advanced Publishing Program, 1980. CURTARELLI, M.P.; OGASHAWARA, I.; ALCÂNTARA, E.H.; STECH, J.L. Coupling remote sensing bio-optical and three-dimensional hydrodynamic modeling to study
113
the phytoplankton dynamics in a tropical hydroelectric reservoir. Remote Sensing of Environment, v. 157, p. 185-198, 2015. DARGAHI, B.; SETEGN, S. G. Combined 3D hydrodynamic and watershedmodelling of Lake Tana, Ethiopia. Journal of Hydrology, v. 398, p. 44–64, 2011. DE SOUZA VIANA, J. F.; MONTENEGRO, S. M. G. L.; DA SILVA, B. B., DA SILVA, R. M.; DOS SANTOS SOUSA, W. Modelagem hidrológica da Bacia Hidrográfica do Rio Pirapama-PE utilizando o modelo SWAT. Journal of Environmental Analysis and Progress, v. 3, n. 1, p. 155-172, 2018. DEMLIE, M.; AYENEW, T.; WOHNLICH, S. Comprehensive hydrological and hydrogeological study of topographically closed lakes in highland Ethiopia: The case of Hayq and Ardibo. Journal of Hydrology, v. 339, p. 145-158, 2007. DNIT, Departamento Nacional de Infraestrutura de Transportes. Estudo Ambiental. Dragagens do canal do Sangradouro e do canal de Santa Vitória do Palmar, visando a reativação da hidrovia da Lagoa Mirim. 2014. DOTTORI, F.; TODINI, E. Testing a simple 2D hydraulic model in an urban flood experimente. Hydrological Processes, v. 27, p. 1301-1320, 2013. DUNNE, T.; BLACK, R. D. Partial area contributions to storm runoff in a small New England watershed. Water Resources Research, Washington, v. 6, p. 1296-1311, 1970. ESRI. “Arc Hydro Tools version 1,2 for ArcGIS 9,2 Tutorial”. Califórnia. 2007, 110 p. FAN, F. M. Acoplamento entre modelos hidrológicos e sistemas de informação geográfica: integração do modelo MGB-IPH. 2011. 186f. Monografia (Graduação em Engenharia Ambiental) - Instituto de Pesquisas Hidráulicas, Universidade Federal do Rio Grande do Sul, UFRGS. Porto Alegre FAN, F. M. Previsão por conjunto de vazões afluentes a reservatórios em grandes bacias hidrográficas brasileiras. 2015. 424f. Tese (Doutorado em Recursos Hídricos e Saneamento Ambiental) – Universidade Federal do Rio Grande do Sul, Porto Alegre. FAN, F. M.; BUARQUE, D. C.; PONTES, P. R.; COLLISCHONN, W. Um mapa de Unidades de Resposta Hidrológica para a América do Sul. XXI Simpósio Brasileiro de Recursos Hídricos. Brasília, DF, 2015. FAN, F. M.; COLLISCHONN W. Integração do Modelo MGB-IPH com Sistema de Informação Geográfica. Revista Brasileira de Recursos Hídricos,v,19, n,1, p. 243-254, 2014. FAN, F. M.; COLLISCHONN, W.; BUARQUE, D.; PAIVA, R.; KAYSER, R. Manual ArcHydro para aplicação do modelo MGB-IPH. Versão 1.2. Porto Alegre: IPHUFRGS, 2010.
114
FAN, F. M.; PONTES, P. R. M.; PAIVA, R. C. D.; COLLISCHONN, W. Avaliação de um método de propagação de cheias em rios com aproximação inercial das equações de Saint-Venant. Revista Brasileira de Recursos Hídricos, v. 19, p. 137-147, 2014. FAN, F.M.; COLLISCHONN, W. Integração do Modelo MGB-IPH com Sistema de Informação Geográfica. Revista Brasileira de Recursos Hídricos, v. 19, n,1, p. 243-254, 2013. FAN, F.M.; COLLISCHONN, W.; SORRIBAS, M. V.; PONTES, P. R. M. Sobre o início da rede de drenagem definida a partir dos modelos digitais de elevação. Revista Brasileira de Recursos Hídricos, v. 18, n. 3, p. 241-257, 2013. FARR, T. G.; ROSEN, P. A.; CARO, E.; CRIPPEN, R.; DUREN, R; HENSLEY, S.; SHIMADA, J.; UMLAND, J.; WERNER, M.; OSKIN, M.; BURBANK, D.; ALSDORF, D. The Shuttle Radar Topography Mission. Reviews of Geophysics, v. 45, n. 2, 2007. FASSONI-ANDRADE, A. C.; FAN, F. M.; COLLISCHONN, W.; FASSONI, A. C.; PAIVA, R. C. D. D. Comparison of numerical schemes of river flood routing with an inertial approximation of the Saint Venant equations. Revista Brasileira de Recursos Hídricos, v. 2, n. 10, p. 1-16, 2018. FELIX, V. S.; PAZ, A. R. Representação dos processos hidrológicos em bacia hidrográfica do semiárido paraibano com modelagem hidrológica distribuída. Revista Brasileira de Recursos Hídricos,v.21, n.3, p. 556-569, 2016. FERNANDES, E. H. Modelling the Hydrodynamics of the Patos Lagoon, Brazil. 2001. 215 f. Tese (Doctored), University of Plymouth. FERNANDES, E.H.L.; DYER, K.R.; NIENCHESKI, L.F.H. TELEMAC-2D calibration and validation to the hydrodynamics of the Patos Lagoon (Brazil). Journal of Coastal Research, p. 470-488, 2001. FERNANDES, E.H.L.; DYER, K.R.; MÖLLER, O.O.; NIENCHESKI, L.F.H. The Patos Lagoon hydrodynamics during an El Niño event. Continental Shelf Research, v. 22, n. 11-13, p. 1699-1713, 2002. FERREIRA, H. P. L. Variação dos níveis de base do Sistema Laguna Barreira nas adjacencias da Laguna Mirim. 2009. 121f. Dissertação (Mestrado) em Geociências – Universidade Federal do Rio Grande do Sul, Porto Alegre. FIGUEIREDO, E. E.; BATHURST, J. C. Effects of rainfall variability and land-use change on sediment yield simulated by SHETRAN, 2006, Sediment Dynamics and the Hydromorphology of Fluvial Systems. Proceedings….Symposiumheld in Dundee. Reino Unido, 2006. FLEISCHMANN, A. S. Processos hidrológicos e hidráulicos em grandes áreas inundáveis: assimetria de hidrogramas e simulação matemática. 2017. 121f.
115
Dissertação (Mestrado) em Recursos Hídricos e Saneamento Ambiental – Universidade Federal do Rio Grande do Sul, Porto Alegre. GOUVÊA, T.; ZARNOT, D. H.; ALBA, J. M. F. Caracterização geoambiental e histórico do processo de desenvolvimento da bacia da Lagoa Mirim. In: FILIPPINI ALBA, J. M. (Ed.). Sustentabilidade socioambiental da bacia da Lagoa Mirim. 2010. p. 19-30. Pelotas: Embrapa Clima Temperado. HARTMANN, C.; HARKOT, P. F. C. Influência do canal São Gonçalo no aporte de sedimentos para o estuário da Laguna dos Patos – RS. Revista Brasileira de Geociências, v. 20, p. 329-332, 1990. HARTMANN, C.; LAMPARELLI, R. A. C.; ROSA, R.; SANO, E. E. Avaliação da área e inundação do canal de São Gonçalo, através de imagens TM-Landsat 5. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 4. (SBSR)., 1986, Gramado. Anais... São José dos Campos: INPE, 1986. v. 2, p. 654-659 HARTMANN, C.; SANO, E. E. Contribuição ao estudo da hidrodinâmica e evolução das massas de água na laguna dos Patos através de imagens MSS-Landsat no período de 1979 a 1983. RevistaBrasileira de Geofísica, p. 43, 1986. HIRATA, F. E.; MÖLLER JR, O.O.; MATA, M. M. Regime shifts, trends and
interanual variations of water level in Mirim Lagoon, Southern Brazil. Pan‐American Journal of Aquatic Sciences, v. 5, n. 2, p. 254‐266, 2010. HUTCHINSON, M.F. A new procedure for gridding elevation and stream line data with automatic removal of spurious pits. Journal of Hydrology, v. 106, n. 3, p. 211-232, 1989. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍRTICA (IBGE). Mapa exploratório de solos do Estado do Rio Grande do Sul. Rio de Janeiro: IBGE, 2002. Escala 1:1.000.000. JI, Z. G. Hydrodynamics and water quality: modeling rivers, lakes, and estuaries. Hoboken, New Jersey: John Wiley & Sons. 2017. 577 p. JORGE, A. A. S.; CRUZ, A. C. S.; ANAYA, L. M.; RODRIGUES, J.; SANTOS, L. B. L. Classificação de Strahler para hidrografias brasileiras relacionadas a desastres naturais. Modelling in Science Education and Learning, v. 8, n. 1, 2015. KARSBURG, R. M. Precipitação e velocidade do vento na oscilação dos níveis d’água do canal São Gonçalo-RS. 2016, 79f. Dissertação (Mestrado) - Programa de Pós-Graduação em Recursos Hídricos, Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas, Pelotas, 2016. KHAKBAZ, B.; IMAM, B.; HSU, K.; SOROOSHIAN, S. From lumped to distributed via semi-distributed: Calibration strategies for semi-distributed hydrologic models. Journal of Hydrology, v. 418–419, p. 61–77, 2012.
116
KJERFVE, B. Comparative oceanography of coastal lagoons. In D. A. Wolfe (ed.). 1986. p. 63-81. EstuarineVariability. Academic Press, New York. KOTZIAN, H. B.; MARQUES, D. M. Lagoa Mirim e a convenção Ramsar: um modelo para ação transfronteiriças. REGA, v. 1, n. 2, p. 101-111, 2004. KRUG, L. A.; NOERNBERG, M. A. Extração de batimetria por sensoriamento remoto de áreas rasas dos sistemas estuarinos do Estado do Paraná-Brasil. SimpósioBrasileiro de SensoriamentoRemoto, v. 12, p. 3077-3084, 2005. LEON, A. S; GOODELL, C. Controlling HEC-RAS using MATLAB. Environmental Modelling & Software, v. 84, p. 339-348, 2016. LERAT, J.; PERRIN, C.; ANDRÉASSIAN, V.; LOUMAGNE, C.; RIBSTEIN, P. Towardsrobustmethods to couplelumped rainfall–runoff models and hydraulicmodels: A sensitivityanalysison the Illinois River. Journal of Hydrology, v. 418, p. 123-135, 2012. LI, Y.; ZHANG, Q.; YAO, J.; WERNER, A.D.; LI, X. Hydrodynamic and hydrological modeling of the Poyang Lake catchment system in China. Journal of Hydrologic Engineering, v. 19, n. 3, p. 607-616, 2014. LIANG, X.; WOOD, E.; LETTENMAIER, D. P. Surface soil moisture parameterization of the VIC-2L model: Evaluation and modification. Elsevier Science – Global and PlanetaryChange, v. 13, p. 195-206, 1996. LOPES, V. A. R. Modelagem hidrológica integrada da bacia hidrográfica da Laguna dos Patos e seus complexos lagunares usando o modelo MGB-IPH com propagação inercial de vazões. 2015. 84f. Trabalho de Conclusão de Curso (Monografia) – Universidade Federal do Rio Grande do Sul (UFRGS), Departamento de Engenharia. LOPES, V. A. R. Modelagem hidrológica e hidrodinâmica integrada de bacias e sistemas lagunares com influência do vento. 2017. 194f. Dissertação (Mestrado) em Recursos Hídricos e Saneamento Ambiental – Universidade Federal do Rio Grande do Sul, Porto Alegre. LOPES, V. A. R.; FAN, F. M.; PONTES, P. R. M.; SIQUEIRA, V. A.; COLLISCHONN, W.; DA MOTTA MARQUES, D. A firstintegratedmodelling of a river-lagoon large-scale hydrological system for forecastingpurposes. Journal of hydrology, v. 565, p. 177-196, 2018. MAIDMENT, D. R. Arc Hydro: GIS for water resources. ESRI, Inc., 2002. MARCUZZO, F. F. N.; ANDRADE, L. R. D.; MELO, D. C. R. Métodos de Interpolação Matemática no Mapeamento de Chuvas do Estado do Mato Grosso. Revista Brasileira de Geografia Física, v. 4, n. 4, p. 793-04, 2011.
117
MARQUES, W. C.; MÖLLER, O.O. Variabilidade temporal em longo período da descarga fluvial e níveis de água da Lagoa dos Patos, Rio Grande do Sul, Brasil. Revista Brasileira de Recursos Hídricos, v. 13, n. 3, p. 155-163, 2008. MARQUES, W.C. Padrões de variabilidade temporal nas forçantes da circulação e seus efeitos na dinâmica da Lagoa dos Patos, Rio Grande do Sul, Brasil. 2005. 87f. Dissertação (Mestrado) em Oceanografia Física, Química e Geológica, Rio Grande.
MEJIA, A. I.; REED, S. M. Role of channel and floodplain cross‐section geometry in the basin response. Water Resources Research, v. 47, n. 9, 2011. MENDES, C. A. B. Integração de modelos hidrológicos e sistemas de informações geográficas: Fundamentos. RevistaBrasileira de RecursosHídricos, v.1, n.1, p. 47- 66,1996. MERWADE, V. Effect of spatial trends on interpolation of river bathymetry. Journal of Hydrology, v. 371, p. 169-181, 2009. MÖLLER JR, O. O., CASTAING, P.; SALOMON, J. C.; LAZURE, P. The influence of local and non-local forcing effects on the subtidal circulation of Patos Lagoon. Estuaries, v. 24, n. 2, p. 297-311, 2001. MÖLLER JR, O.O. Hydrodynamique de lalagune dos Patos (30ºS, Brésil): mesures et modélisation. 1996. 204 f. Tese (Doutorado). França, Universidade de Bordeaux 1. MÖLLER JR, O. O.; STECH, J.; MATA, M. M. The Patos Lagoon summertime circulation and dynamics. Continental Shelf Research, v.16, n. 3, p. 335-351, 1996. MONTEIRO, L. R.; FAN, F. M.; COLLISCHONN, W.; SCHETTINI, E. B. C. Simulação da onda superficial provocada pelo fechamento de comportas utilizando uma aproximação inercial da Equação de Saint-Venant. Revista Brasileira de Recursos Hídricos, v. 20, n. 4, p. 927-936, 2015. MUNAR; A. M.; CAVALCANTI, J. R.; BRAVO, J. M.; FAN, F. M.; MARQUES, D. D.; FRAGOSO JR.; C. R. Coupling large-scale hydrological and hydrodynamic modeling: Toward a better comprehension of watershed-shallow lake processes.Journal of Hydrology, v. 564, p. 424-441, 2018. NASH, J. E.; SUTCLIFFE, J. V. River flow forecasting through conceptual models part I — A discussion of principles. Journal of Hydrology, v. 10, n. 3, p. 282-290, 1970. NEAL, J.; SCHUMANN, G.; BATES, P.D. A subgrid channel model for simulating river hydraulics and floodplain inundation over large and data sparse areas. Water Resources Research, v. 48, n. 11, 2012. NICKUS, U.; BISHOP, K.; ERLANDSSON, M.; EVANS, C.; FORSIUS, M.; LAUDON, H.; LIVINGSTONE, D.; MONTEITH, D.; AND H., T. Direct impacts of climate change
118
on freshwater ecosystems. In: M. KERNAN, R.; BATTARBEE, B. MOSS (Eds.), Climate Change Impacts on Freshwater Ecosystems, v. 38, n. 4, 2010. NOBRE, A. D.; CUARTAS, L. A.; HODNETT, M.; RENNÓ, C. D.; RODRIGUES, G.; SILVEIRA, A.; WATERLOO, M.; SALESKA, S. Height above the Nearest Drainage, a hydrologically relevant new terrain model. Journal Hydrology, v. 404, n. 1-2, p.13-29, 2011. NIMER, Edmon. Climatologia do Brasil. IBGE, 1989. OLIVEIRA, H. A.; FERNANDES, E. H. L.; MÖLLER JÚNIOR, O. O.; COLLARES, G. L. Processos Hidrológicos e Hidrodinâmicos da Lagoa Mirim. Revista Brasileira de Recursos Hídricos Versão (RBRH), v. 20, n,1, p. 34-45, 2015. Porto Alegre. PAIVA, R. C. D.; COLLISCHONN, W.; TUCCI, C. E. M. Large scale hydrologic and hydrodynamic modeling using limited data and a GIS based approach. Journal of Hydrology, v. 406, n. 3-4, p. 170-181, 2011. PAIVA, R. C.; BUARQUE, D. C.; COLLISCHONN, W.; BONNET, M.-P.; FRAPPART, F.; CALMANT, S.; MENDES, C. A. Large-scale hydrologic and hydrodynamic modeling of the Amazon River basin. Water Resources Research, v. 49, p. 1-18, 2013. PAZ, A. R.; BUARQUE, D. C.; COLLISCHONN, W.; VICTORIA, D. D. C.; ANDRADE, R. G Discretização de modelos hidrológicos de grande escala: grade regular x mini-bacias. In: Embrapa Monitoramento por Satélite-Artigo em anais de congresso (ALICE). In: SIMPÓSIO BRASILEIRO DE RECURSOS HÍDRICOS, 19., 2011, Maceió, AL. Anais... Maceió: ABRH, 2011. PAZ, A. R.; COLLISCHONN, W. River reach length and slope estimates for large-scale hydrological models based on a relatively high-resolution digital elevation model. Journal of Hydrology, v. 343, n. 3-4, p. 127-139, 2007. PAZ, A. R.; COLLISCHONN, W.; SILVEIRA, A. L. L. Improvements in large scale drainage networks derived from digital elevation models. Water Resources Research, v. 42, n. 8, p. 1-7, 2006. PAZ, A.R.; COLLISCHONN, W.; BRAVO, J.M.; BATES, P.D.; BAUGH, C. The influence of vertical water balance on modelling Pantanal (Brazil) spatio-temporal inundation dynamics. Hydrological processes, v. 28, n. 10, p. 3539-3553, 2014. PAZ, A. R.; REIS, L. G.; LIMA, H. V. Uso de modelagem hidrodinâmica visando a segmentação de corpos d’água rasos para enquadramento: o caso do Lago Guaíba (RS). In: XVI Anais do Simpósio Brasileiro de Recursos Hídricos, 2005,João Pessoa. Anais...João Pessoa: ABRH, 2005. PEKEL, J. F.; COTTAM, A.; GORELICK, N.; BELWARD, A. S. High-resolution mapping of global surface water and its long-term changes. Nature, v. 540, n. 7633, p. 418, 2016.
119
PEREIRA, A. R.; ANGELOCCI, L. R.; SENTELHAS, P. C. Agrometeorologia: Fundamentos e aplicações práticas. Guaíba: Agropecuária, 2002. p. 478. PEREIRA, J. P. G.; BARACUHY, J. G. de V. Ecobatimetria- Teoria e Prática. Campina Grande: Gráfica Agenda, 2008. 84p. PETRUCCI, G.; BONHOMME, C. The dilemma of spatial representation for urban hydrology semi-distributed modelling: trade-offs among complexity, calibration and geographical data. Journal ofHydrology, v. 517, p. 997-1007, 2014. PHLEGER, F.B. Some general features of coastal lagoons. In: AYALA-CASTABNERES, A. (Ed.). Lagunas costeras. México: Univ. Nac. Autonomus de México, 1969. p. 5-25 PINARDI, M.; FENOCCHI, A.; GIARDINO, C.; SIBILLA, S.; BARTOLI, M.; BRESCIANI, M. Assessing potential algal blooms in a shallow fluvial lake by combining hydrodynamic modelling and remote-sensed images. Water, v. 7, n. 5, p. 1921-1942, 2015. PONCE, V. M. Engineering Hydrology, Principles and practices. 1989. Ed: Prentice Hall. 640p. PONTES, P. R. M.; FAN, F. M.; FLEISCHMANN, A. S.; DE PAIVA, R. C. D.; BUARQUE, D. C.; SIQUEIRA, V. A., JARDIM, P. F.; SORRIBAS, M. V.; COLLISCHONN, W. MGB-IPH model for hydrological and hydraulic simulation of large floodplain river systems coupled with open source GIS. Environmental Modelling& Software, v. 94, p. 1-20, 2017. PONTES, P. R. M. Modelagem hidrológica e hidrodinâmica integrada da bacia do Rio da Prata. 2016.210f.Tese (Doutorado) em Recursos Hídricos e Saneamento Ambiental – Universidade Federal do Rio Grande do Sul, Porto Alegre. PONTES, P. R. M.; COLLISCHONN, W. Conservação de volume em modelos simplificados de propagação de vazão. Revista Brasileira de Recursos Hídricos, v. 17, p. 83-96, 2012. PONTES, P.R.M.; COLLISCHONN, W.; FAN, F. M.; PAIVA, R. C.; BUARQUE, D. C. Modelagem hidrológica e hidráulica de grande escala com propagação inercial de vazões. Revista Brasileira de Recursos Hídricos, v.20, n.4, p. 888-904, 2015. Porto Alegre. RENNÓ, D. C; SOARES, J. V. Modelos hidrológicos para gestão ambiental. Relatório Técnico Parcial “Métodos, modelos e geoinformação para a gestão ambiental”. Brasília: MCTI; INPE, 2000. Disponível em: <http://www.dpi.inpe.br/geopro/modelagem/relatorio_modelos_hidrologicos.pdf>. Acessoem: 05 set. 2017. RENNÓ, C.; NOBRE, A.D; CUARTAS, L.A.; SOARES, J.V.; HODNETT, M.G; TOMASELLA, J.; WATERLOO, M. HAND, a new terrain descriptor using SRTM-
120
DEM: Mapping terra-firme rainforest environments in Amazonia. Remote Sensing of Environment, v. 112, n. 9, p. 3469-3481, 2008. RESCK, R. P.; NETO, J. F. B.; COELHO, R. M. P. Nova batimetria e avaliação de parâmetros morfométricos da Lagoa da Pampulha (Belo Horizonte, Brasil). Revista Geografias, v. 3, n. 2, 24-37, 2007. SAMBONÍ, A. M. M. Pareamento bacia-lagoa usando modelagem hidrológica-hidrodinâmica e sensoriamento remoto. 2017. 139 f. Tese (Doutorado) Programa de Pós-Graduação em Recursos Hídricos e SaneamentoAmbiental da Universidade Federal do Rio Grande do Sul (UFRGS). SHERMAN, L.K. Streamflow from rainfall by the unit graph method. Engineering News Record, v. 108, p. 501-505, 1932. SHUTTLEWORTH, W.J. (1993). “Evaporation”. In: Maidment, D.R. (Editor in Chief). Handbook of Hydrology, 1 ed., Capítulo 4, New York, EUA, McGraw-Hill Inc. SILANS, A. M. B. P.; ALMEIDA, C. N.; ALBUQUERQUE, D. J. S.; PAIVA, A. E. D. B. Aplicação do modelo hidrológico distribuído AÇUMOD à bacia Hidrográfica do rio do peixe - estado da Paraíba. Revista Brasileira de Recursos Hídricos, v. 5, n. 3, p. 5-19, 2000. SILVA, B. C.; COLLISCHONN, W., TUCCI, C. E. M. Simulação da Bacia do Rio São Francisco através do modelo hidrológico MGB-IPH. 2004. In.: VII Congresso de Recursos Hídricos do Nordeste, São Luís – MA. SILVA, R.V.; KOBIYAMA, M. TOPMODEL: teoria integrada e revisão. RAEGA, n. 14, p. 97-110, 2007. Curitiba. SIMON, A. L. H.; SILVA, P. F. da. Análise geomorfológica da Planície Lagunar sob influência do canal São Gonçalo – Rio Grande do Sul – Brasil. Geociências, São Paulo, UNESP, v. 34, n. 4, p. 749-767, 2015. SINGH, V. P.; FREVERT, D. Mathematical Models of Large Watershed Hydrology. Water Resources Publications, LLC. 891 p. 2002. SIQUEIRA, V. A.; FLEISCHMANN, A. S.; JARDIM, P. F.; FAN, F. M.; COLLISCHONN, W. IPH-Hydro Tools: a GIS coupled tool for watershed topology aquisition in open-source environment. RevistaBrasileira de RecursosHídricos, v. 21, p. 274-287, 2016. SORRIBAS, M. V.; PAIVA, R. C. D.; MELACK, J. M.; BRAVO, J. M.; JONES, C.; CARVALHO, L.; BEIGHLEY, E.; FORSBERG, B.; COSTA, M. H. Projections of climate change effects on discharge and inundation in the Amazon basin. ClimaticChange, p. 1-16, 2016. SOUTH. Manual SDE 28-S. Guangzou, China, 2013. Disponível em:< http://en.southinstrument.com/userfiles/upload/28S.pdf>. Acesso em 22 de abril de 2018.
121
SOUZA, A. V. de; KRUEGER, C. P. Avaliaçãoda qualidade das profundidades coletadas por meio de ecobatímetro multifeixe. In. Revista anual da diretoria de hidrografia e navegação, Rio de Janeiro. Anais eletrônicos...Rio de Janeiro: Marinha do Brasil, 2009. Disponível em: <https://www.marinha.mil.br//>. Acessado em: 14 jun. 2018. STECH, J. L; LORENZETTI, J. A. The response of the South Brazil Bight to the passage of wintertime cold fronts. Journal Geophysical Research, v. 97, n. 66, p. 9507-9520, 1992. TARBOTON, D. G. 2002. "Terrain Analysis Using Digital Elevation Models (Taudem),"Utah Water Research Laboratory, Utah State University. Acessado em Maio de 2013: http://www.engineering. usu.edu/dtarb TELLES, R. M. Inundações urbanas nos municípios de Pedro Osório e Cerrito-RS.2002. 74 f. Dissertação (Mestrado) em Geociências – Universidade Federal do Rio Grande do Sul, Porto Alegre. TRIGG, M. A.; BIRCH, C. E.; NEAL, J. C.; BATES, P. D.; SMITH, A.; SAMPSON, C. C.; YAMAZAKI, D.; HIRABAYASHI, Y.; PAPPENBERGER, F.; DUTRA, E.; WARD, P. J.; WINSEMIUS, H. C.; SALAMON, P.; DOTTORI, F.; RUDARI, R.; KAPPES, M. S.; SIMPSON, A. L.; HADZILACOS, G.; FEWTRELL, T. J. The credibility challenge for global fluvial flood risk analysis. Environmental Research Letters, v.11, 2016. TUCCI, C.E.M. Modelos Hidrológicos. Porto Alegre: Ed. Universidade/UFRGS. 2005. 678 p. TUCCI, C. E. M. Hidrologia: ciência e aplicação. 4ª. ed. Porto Alegre: UFRGS, 2009. 943 p. TURCOTTE, R.; FORTIN, J. P.; ROUSSEAU, A. N.; MASSICOTTE, S.; VILLENEUVE, J. P. Determination of the drainage structure of a watershed using a digital elevation model and a digital river and lake network. Journal of Hydrology, v. 240, n. 3, p. 225–242, 2001. UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL (UFRGS). Mapa de URHs da América do Sul. Disponível em: https://www.ufrgs.br/hge/modelos-e-outros-produtos/sensoriamento-remoto/mapa-de-urhs-da-america-do-sul/. Acessoem: 10 nov. 2017. USACE. (2010). HEC-RAS River Analysis System: Hydraulic Reference Manual Ver. 4,1. 609 Second Street, Davis, CA 95616: U.S. Army Corps of Engineers, Hydrologic Engineering Center. VIEIRA, E. F.; RANGEL, S. R. S. Planície Costeira do Rio Grande do Sul: geografia física, vegetação e dinâmica sócio demográfica. Porto Alegre: Sagra, 1988.
122
VIOLA, M. R. et al. Modelagem hidrológica na Bacia Hidrográfica do Rio Aiuruoca, MG. Revista Brasileira Engenharia Agrícola e Ambiental, v. 13, p. 581-591, 2009. WIGMOSTA, M.S.; VAIL, L.W.; LETTENMAIER, D.P. A distributedhydrology-vegetation model for complexterrain. Water Resources Research, v. 30, n. 6, p. 1665-1679, 1994. WREGE, M. S.; STEINMETZ, S.; REISSER JÚNIOR, C.; DE ALMEIDA, I. R. Atlas climático da Região sul do Brasil: Estados do Paraná, Santa Catarina e Rio Grande do Sul. Pelotas: Embrapa Clima Temperado; Colombo: Embrapa Floresta, 2011. 336 p. YAMAZAKI, D.; DE ALMEIDA, G. A. M.; BATES, P. D. Improvingcomputationalefficiency in global rivermodels by implementing the local inertialflowequation and a vector-basedriver network map. Water Resour. Res., v. 49, p. 1–15, 2013. YAMAZAKI, D.; KANAE, S.; KIM, H.; OKI, T. A physically based description of floodplain inundation dynamics in a global river routing model. Water Resources Research, v. 47, n. 4, 2011.
